广义交并比：一种用于边界框回归的度量与损失

交并比（IoU）是目标检测基准中最常用的评估度量。然而，在优化用于回归边界框参数的常用距离损失与最大化该度量值之间存在差距。度量的最优目标即为度量本身。对于轴对齐的二维边界框，可以证明 $IoU$ 可直接用作回归损失。然而，$IoU$ 存在一个平台区，使得在非重叠边界框情况下难以优化。本文通过引入一个广义版本作为新的损失和新的度量，解决了 $IoU$ 的缺陷。通过将此广义 $IoU$（$GIoU$）作为损失纳入最先进的目标检测框架，我们展示了在 PASCAL VOC 和 MS COCO 等流行目标检测基准上，使用基于标准 $IoU$ 和基于新 $GIoU$ 的性能度量均使其性能得到一致提升。