目标检测优化：深入对比CIoU与WIoU损失函数的实现与性能差异

1次阅读

共计 2183 个字符，预计需要花费 6 分钟才能阅读完成。

在目标检测任务中，边界框回归（Bounding Box Regression）是核心环节之一。传统 IoU（Intersection over Union）损失虽然直观，但在实际应用中存在明显的局限性：当预测框与真实框没有重叠时，IoU 值为零，导致梯度消失（Gradient Vanishing），模型无法通过反向传播更新参数。这一问题在训练初期或小目标检测场景中尤为突出。

CIoU（Complete IoU）在 IoU 的基础上引入了三个关键改进：

中心点距离（Center Distance）：惩罚预测框与真实框中心点的偏离程度。公式表示为：
$$\mathcal{L}{center} = \frac{\rho^2(b$$
其中，$\rho$ 是欧氏距离，$c$ 是最小闭包矩形的对角线长度。}, b_{gt})}{c^2
长宽比（Aspect Ratio）：通过长宽比的一致性来优化框的形状匹配。公式为：
$$\mathcal{L}{aspect} = \frac{4}{\pi^2}(\arctan\frac{w)^2$$}}{h_{gt}} – \arctan\frac{w_{pred}}{h_{pred}
重叠面积（Overlap Area）：保留原始 IoU 对重叠区域的敏感性。

最终，CIoU 损失的表达式为：
$$\mathcal{L}{CIoU} = 1 – IoU + \mathcal{L}$$} + \mathcal{L}_{aspect

WIoU（Wasserstein IoU）基于 Wasserstein 距离（推土机距离 /Earth Mover’s Distance），通过度量两个分布之间的最小“搬运成本”来定义相似性。其核心公式为：
$$\mathcal{L}{WIoU} = 1 – \exp(-\frac{W_1(\mathcal{P})$$
其中，$W_1$ 是一阶 Wasserstein 距离，$\mathcal{P}$ 是边界框的概率分布（通常建模为均匀分布）。}, \mathcal{P}_{gt})}{c

WIoU 的优势在于：
– 对非重叠情况仍有有效的梯度信号
– 对旋转目标的处理更鲁棒

import torch
import math

class CIoULoss(torch.nn.Module):
    def __init__(self, eps=1e-7):
        super().__init__()
        self.eps = eps  # 避免除零

    def forward(self, pred, target):
        # pred/target: [N,4] 格式，xywh（归一化坐标）# 计算 IoU
        inter_area = ...  # 交集面积
        union_area = ...  # 并集面积
        iou = inter_area / (union_area + self.eps)

        # 中心点距离
        center_distance = ...
        center_loss = center_distance / (c**2 + self.eps)

        # 长宽比
        arctan_pred = torch.atan(pred[:,2]/pred[:,3])
        arctan_target = torch.atan(target[:,2]/target[:,3])
        aspect_loss = (4/(math.pi**2)) * (arctan_pred - arctan_target).pow(2)

        return 1 - iou + center_loss + aspect_loss

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

    def forward(self, pred, target):
        # 计算一阶 Wasserstein 距离
        wasserstein = ...  
        # 最小闭包矩形对角线
        c = ...
        return 1 - torch.exp(-wasserstein/(c + self.eps))

在 COCO 数据集上的消融实验结果：