Yolov4 模型于 2020 年中期推出，它的问世对深度学习目标检测领域产生了深远影响。为取得成功，Yolov4 集成了许多一流的技术，其中包括改进的非极大值抑制 (NMS) 算法，该算法使用距离交并比 (DIoU) 而非交并比 (IoU)。DIoU 总结了边界框回归中的两个几何因素（即重叠区域和中心点距离），从而加快了收敛速度并提升了性能。

在本***中，DIoU-NMS 函数将被添加到 OpenVINO™ 精度检查器工具中，以用于计算yolov4 的正确预期精度。尽管 DIoU-NMS 可帮助大幅提升精度，但它也可以与训练后优化工具包 (pot) 一起使用，以生成优化的 INT8 模型。

全文链接：https://chinait-intel.oss-cn-beijing.aliyuncs.com/OpenVINO/%E5%9C%A8%20OpenVINO%20%E7%B2%BE%E5%BA%A6%E6%A3%80%E6%9F%A5%E5%99%A8%E5%B7%A5%E5%85%B7%E4%B8%AD%E6%B7%BB%E5%8A%A0%20DIoU-NMS%20%E6%8C%87%E6%A0%87%20%E4%BB%A5%E8%8E%B7%E5%8F%96%20YOLO%20v4%20%E7%9A%84%E6%AD%A3%E7%A1%AE%20mAP%2005280.pdf