CIoU损失函数改进：从理论到实践的优化策略

1次阅读

没有评论

共计 2837 个字符，预计需要花费 8 分钟才能阅读完成。

在目标检测任务中，边界框回归的准确性直接影响检测性能。传统的 IoU（Intersection over Union）是最基础的衡量指标，但其存在两个主要问题：

当预测框与真实框无重叠时，IoU 值为 0，无法提供梯度方向
无法区分不同对齐方式的框（如中心点相同但长宽比不同）

为了解决这些问题，研究者们相继提出了 GIoU、DIoU 和 CIoU：

GIoU（Generalized IoU）引入最小闭合区域，解决了无重叠时的梯度问题，公式为：
$$GIoU = IoU – \frac{|C – (A \cup B)|}{|C|}$$
其中 C 是最小闭合区域
DIoU（Distance IoU）增加了中心点距离惩罚项：
$$DIoU = IoU – \frac{\rho^2(b_{pred}, b_{gt})}{c^2}$$
ρ 表示欧式距离，c 是最小闭合区域对角线长度
CIoU（Complete IoU）进一步考虑了长宽比一致性：
$$CIoU = IoU – \frac{\rho^2}{c^2} – \alpha v$$
其中 v 衡量长宽比一致性，α 是权重系数

虽然 CIoU 相比前几种方法有了显著改进，但在处理极端长宽比的边界框时仍存在问题：

长宽比惩罚项 v 的梯度在极端情况下会出现消失：
$$\frac{\partial v}{\partial w} = \frac{4}{\pi^2}(\arctan\frac{w_{gt}}{h_{gt}} – \arctan\frac{w}{h})\cdot\frac{h}{w^2+h^2}$$
当 w 远大于 h 时，梯度趋近于 0
固定权重 α 难以适应不同尺度的目标

我们提出 Dynamic-CIoU，主要包含两项改进：

将固定的 α 改为动态权重：
$$\alpha_{dynamic} = \frac{IoU}{1-IoU+\epsilon}\cdot\frac{v}{1-v+\epsilon}$$

这个设计使得：
– 当 IoU 较大时，更关注长宽比优化
– 当长宽比差异大时，增大惩罚力度

用 log-space 距离替代原始欧式距离：
$$\rho_{new} = \log(1+\rho(b_{pred}, b_{gt}))$$

这种变换避免了在训练初期因距离较大导致的梯度爆炸问题。

import torch
import torch.nn as nn
import math

class DynamicCIoULoss(nn.Module):
    def __init__(self, eps=1e-7):
        super().__init__()
        self.eps = eps

    def forward(self, pred, target):
        """
        pred: [N,4] (x1,y1,x2,y2)
        target: [N,4] (x1,y1,x2,y2)
        """
        # 计算交集面积
        inter_x1 = torch.max(pred[:,0], target[:,0])
        inter_y1 = torch.max(pred[:,1], target[:,1])
        inter_x2 = torch.min(pred[:,2], target[:,2])
        inter_y2 = torch.min(pred[:,3], target[:,3])
        inter_area = torch.clamp(inter_x2-inter_x1, min=0) * torch.clamp(inter_y2-inter_y1, min=0)

        # 计算并集面积
        pred_area = (pred[:,2]-pred[:,0]) * (pred[:,3]-pred[:,1])
        target_area = (target[:,2]-target[:,0]) * (target[:,3]-target[:,1])
        union_area = pred_area + target_area - inter_area + self.eps

        # IoU 计算
        iou = inter_area / union_area

        # 中心点距离（log-space）pred_center = torch.stack([(pred[:,0]+pred[:,2])/2, (pred[:,1]+pred[:,3])/2], dim=1)
        target_center = torch.stack([(target[:,0]+target[:,2])/2, (target[:,1]+target[:,3])/2], dim=1)
        center_distance = torch.log(1 + torch.norm(pred_center-target_center, p=2, dim=1))

        # 最小闭合区域对角线
        enclose_x1 = torch.min(pred[:,0], target[:,0])
        enclose_y1 = torch.min(pred[:,1], target[:,1])
        enclose_x2 = torch.max(pred[:,2], target[:,2])
        enclose_y2 = torch.max(pred[:,3], target[:,3])
        c = torch.norm(torch.stack([enclose_x2-enclose_x1, enclose_y2-enclose_y1], dim=1), p=2, dim=1)

        # 长宽比一致性
        with torch.no_grad():
            arctan = torch.atan2(target[:,2]-target[:,0], target[:,3]-target[:,1]) - \
                     torch.atan2(pred[:,2]-pred[:,0], pred[:,3]-pred[:,1])
            v = (4 / (math.pi ** 2)) * torch.pow(arctan, 2)
            alpha = (iou/(1-iou+self.eps)) * (v/(1-v+self.eps))

        # Dynamic-CIoU
        loss = 1 - iou + (center_distance**2)/(c**2 + self.eps) + alpha * v
        return loss.mean()

在 COCO val2017 上的对比实验结果：