一、IOU
IOU：也就是交並比，比較簡單，不多說。
缺點：
上面三種情況IOU值是一樣的，但是重疊情況不一樣。當兩個框沒有交集的時候，IOU = 0，導致梯度消失，沒辦法進行反向傳播。
二、GIOU
上述公式中：
C表示兩個框的最小外接矩形
gt：groundtrueth
B：boudingbox
BUB^(gt)：兩個框的並集
優點：在不重疊的情況下，就算兩個框沒有交集，也不至於導致梯度消失，還能繼續訓練下去，這是相對於IOU的改進；
缺點：在重疊的情況下，如上圖三圖，GIOU的缺點就暴露出來了，依然不能很好區分上述情況。
三、DIOU
四、CIOU
YOLOV4中使用的便是CIOU，CIOU公式定義前三項其實就是GIOU，后面又加了一項，因為作者認為，該損失函數必須將框的長寬比考慮進去。
如下公式中的v變量，表示：預測框和標注框間的長寬比差異，如果一致，v=0，如果差距越大，表示v越大，v的系數a表示權重。
reference：
https://blog.csdn.net/bu_fo/article/details/110428980?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.baidujs&dist_request_id=88f29364-2056-44fe-b8de-7b602ca1d47a&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.baidujs