1.IoU
IoU又名交并比，是一种计算不同图像相互重叠比例的算法，时常被用于深度学习领域的目标检测或语义分割任务中。
优点：IoU初步满足了计算两个图像的几何图形相似度的要求，简单实现了图像重叠度的计算。
缺点：无法体现两个图形之间的距离以及图形长宽比的相似性。
2.GIoU
GIoU（Generalized Intersection over Union）相较于IoU多了一个‘Generalized’
优点：解决两个图像没有相交时，无法比较两个图像的距离远近’的问题。
即GIoU完善了图像重叠度的计算功能。
缺点：无法对图形距离以及长宽比的相似性进行很好的表示。
IoU和GIoU公式:
3.DIoU
DIoU（Distance-IoU）将两个框之间的重叠度、距离、尺度都考虑了进去，在完善图像重叠度的计算功能的基础上，实现了对图形距离的考量。
优点：
DIoU可直接最小化两个框之间的距离，所以作为损失函数的时候Loss收敛的更快；
在两个框完全上下排列或左右排列时，没有空白区域，此时GIoU几乎退化为了IoU，但是DIoU仍然有效。
缺点：无法对图形长宽比的相似性进行很好的表示。
4.CIoU
CIoU的全称为Complete IoU，它在DIoU的基础上，还能同时考虑两个矩形的长宽比，也就是形状的相似性即实现了对两个图像之间的重叠比例、图形距离、形状相似度（矩形长宽比）的综合度量。
DIoU和CIoU公式：
本文是参考知乎文章交并比及优化进行的整理总结。（详细了解交并比可以前往）
