WIOU替换CIOU

### WIOU与CIOU的区别

在目标检测算法中，交并比（Intersection over Union, IoU）及其变体用于评估预测边界框的质量。WIOU（Weighted Intersection Over Union）和CIOU（Complete Intersection Over Union）都是IoU的不同改进版本。

#### CIOU定义
CIOU不仅考虑了两个矩形之间的重叠面积比例，还引入了额外的因素来衡量边界框的相似度。具体来说，CIOU综合考量三个因素：重叠率、中心点距离以及纵横比差异[^1]。

def ciou_loss(pred_boxes, target_boxes):
    # 计算CIoU损失函数...

#### WIOU定义
相比之下，WIOU则侧重于加权处理不同大小的目标对象间的交集部分。对于较小的对象赋予更高的权重，而对于较大的物体，则适当降低其影响程度。这种方式有助于提高模型对各类尺寸目标检测精度的一致性。

#### 替换方法

当从一种指标切换到另一种时，主要涉及训练过程中的损失计算方式调整：

- **修改损失函数**：如果当前使用的框架支持自定义损失函数，则可以直接替换原有的IoU实现为新的版本；

对于PyTorch用户而言，可以通过继承`torch.nn.Module`类创建一个新的模块，并在其内部编写相应的逻辑代码；

- **更新配置文件**：某些高级库允许通过简单的参数设置改变所采用的具体形式，比如YOLOv5提供了命令行选项让用户轻松指定希望使用的IoU类型。

# YOLOv5 配置样例
iou_type: 'ciou'  # 或者 'giou', 'diou'