위치 차이의 반영
경계 상자 회귀는 예측한 상자를 정답에 맞추는 과정이다. DIoU는 두 상자의 겹침에 더해 정규화된 중심 사이 거리를 고려해 위치를 학습한다.
세 가지 기하 요소
연구는 경계 상자 비교의 요소를 겹침 넓이, 중심점 거리, 종횡비로 정리했다. 같은 논문에서 제시한 CIoU는 이 세 요소를 함께 고려하는 손실이다.
여러 검출기의 평가
YOLO v3, SSD, Faster R-CNN에 손실을 결합해 결과를 비교했다. IoU 및 GIoU 기준의 검출 성능과 학습 수렴 특성을 조사했다.
중복 검출의 억제
DIoU는 학습 손실 외에도 비최대 억제의 비교 기준으로 사용할 수 있다. 후보 상자의 겹침과 위치 관계를 함께 고려해 검출 결과를 정리하는 방향으로 확장한 것이다.
관련 문서
GIoU / Repulsion Loss / Soft-NMS / Adaptive NMS / 학습 기반 비최대 억제 / CityPersons