会议：CVPR2019
由 a图 知 Ln 范数对物体的scale不敏感，论文提出直接将IOU设为回归的loss,但iou无法直接优化没有重叠的目标，为解决这个问题，提出了GIOU的思想
GIoU
假如现在有两个任意性质 A，B，我们找到一个最小的封闭形状C，让C可以把A，B包含在内，然后我们计算C中没有覆盖A和B的面积占C总面积的比值，然后用A与B的IoU减去这个比值：
GIoU的性质
1.与IoU类似，GIoU也可以作为一个距离
2.同 IoU 类似，GIoU 对物体的大小不敏感
3.GIoU 总是小于等于 IoU，在两个形状完全重合时
GIoU 作为 BBox 回归的损失
假设我们现在有预测—predicted的 Bbox 和 真实—groud truth 的 Bbox 的坐标，分别记为：
注意我们规定对于预测的 BBox 来说，有