iou作為距離度量時，並不能反映兩者的重合姿態。而且對於iou=0的情況不能反映兩個box的距離有多遠。1. **的檢測框如果和真實物體的檢測框沒有重疊（沒有交集）的話，我們從iou的公式可以看出，iou始終為0且無法優化，也就是如果演算法一開始檢測出來的框很離譜，根本沒有和真實物體發生交集的話，演算法無法優化。2. 對於兩個iou相同的物體，他們的對齊方式iou並不敏感
giou定義：iou + (\(a \cup b\)）/c) -1優點：能定量的反映重疊的姿態，而且如果iou=0 時，giou依然會根據距離遠近有不同值，最小收斂到-1.比較發現在位置損失這裡1. 用iou距離代替mse距離時，模型**準確率略有提公升。
2. 用giou距離代替mse距離時，模型準確率有較明顯提公升。
距離的度量
長度時什麼東西，仔細想起來我也不清楚了。百科說的是 一維空間中點到點的距離。不過距離又是什麼？又得依靠長度來進行表示，然後就是死迴圈了。所以，長度就是描述一維空間中兩個點遠近的量，這樣比較容易理解。正如資訊量一樣，評判資訊含量的問題。長度也只是乙個基本的平台。重要的永遠不是平台，而是運用這個平台能夠...
knn距離度量影響 KNN中K以及 距離度量
從k近鄰演算法 距離度量談到kd樹 sift bbf演算法 結構之法 演算法之道 csdn部落格 blog.csdn.net knn中的k值選取對k近鄰演算法的結果會產生重大影響。如李航博士的一書 統計學習方法 上所說 如果選擇較小的k值，就相當於用較小的領域中的訓練例項進行 學習 近似誤差會減小，...
距離度量之馬氏距離
用來度量乙個樣本點 與資料分布為 的集合的距離。假設樣本點為 資料集分布的均值為 協方差矩陣為 則這個樣本點 與資料集合的馬氏距離為 馬氏距離也可以衡量兩個來自同一分布的樣本x和y的相似性 當樣本集合的協方差矩陣是單位矩陣時，即樣本的各個維度上的方差均為 馬氏距離就等於歐式距離相等。當協方差矩陣是對...