在CVPR2019中，Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression介绍了一种新的评价指标GIoU
1. 为什么要提出GIoU？
对于1-IoU作为距离度量，有四个优点：满足非负性；同一性；对称性；三角不等性
有两个缺点：无法衡量两框是相邻还是甚远；无法反映相交方式
如下图，若使用IoU评价指标，都是0.33，但对于人的直观感觉和后续的分析，效果就不同；使用GIoU可以很好的表达两个框之间的关系
2. GIoU是怎么计算的？
在论文中给出计算公式，如下图：
假设A为预测框，B为真实框，S是所有框的集合
不管A与B是否相交，C是包含A与B的最小框，C也属于S集合
首先计算IoU，A与B的交并比
再计算C框中没有A与B的面积，比上C框面积；IoU减去前面算出的比；得到GIoU
3.GIoU最主要的作用是？
对于相交的IOU可以被反向传播，即它可以直接用作优化的目标函数。但是非相交的，梯度将会为0，无法优化
此时使用GIoU可以完全避免此问题。所以可以作为目标函数
可直接优化LGIou函数