深入解析CIoU损失函数：从数学原理到目标检测实战

1次阅读

没有评论

共计 2336 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（Bounding Box）回归的精度直接影响模型性能。早期的 IoU（Intersection over Union）损失函数虽然直观，但存在两个致命缺陷：

零交并比问题 ：当预测框与真实框无重叠时，IoU= 0 且梯度消失
无法区分对齐方式 ：不同相对位置的相同 IoU 值会得到相同损失（如下图 A /B/ C 三例）

GIoU（Generalized IoU）通过引入最小闭合区域部分缓解了问题，但仍存在收敛速度慢和对齐评估不足的缺陷。这时 CIoU（Complete IoU）应运而生。

CIoU 的完整定义如下：

$$\mathcal{L}_{CIoU} = 1 – IoU + \frac{\rho^2(\mathbf{b},\mathbf{b}^{gt})}{c^2} + \alpha v$$

其中各组件含义为：

中心点距离惩罚项 ：
$$\frac{\rho^2(\mathbf{b},\mathbf{b}^{gt})}{c^2}$$
$\rho$ 表示预测框中心点 $\mathbf{b}$ 与真实框中心点 $\mathbf{b}^{gt}$ 的欧式距离
$c$ 是最小闭合区域的对角线长度
宽高比一致性项 ：
$$v = \frac{4}{\pi^2}(\arctan\frac{w^{gt}}{h^{gt}} – \arctan\frac{w}{h})^2$$
$$\alpha = \frac{v}{(1-IoU)+v}$$
通过 arctan 变换将宽高比差异转换为角度差异
$\alpha$ 是自适应权重系数

import torch
import math
def bbox_ciou(box1, box2, eps=1e-7):
    """
    box1: (N, 4) [x1,y1,x2,y2]
    box2: (N, 4) [x1,y1,x2,y2]
    """
    # 转换为中心点 + 宽高格式
    b1_cx = (box1[..., 0] + box1[..., 2]) * 0.5
    b1_cy = (box1[..., 1] + box1[..., 3]) * 0.5
    b1_w = (box1[..., 2] - box1[..., 0]).clamp(min=eps)
    b1_h = (box1[..., 3] - box1[..., 1]).clamp(min=eps)

    b2_cx = (box2[..., 0] + box2[..., 2]) * 0.5
    b2_cy = (box2[..., 1] + box2[..., 3]) * 0.5
    b2_w = (box2[..., 2] - box2[..., 0]).clamp(min=eps)
    b2_h = (box2[..., 3] - box2[..., 1]).clamp(min=eps)

    # IoU 计算
    inter = (torch.min(box1[..., 2], box2[..., 2]) - torch.max(box1[..., 0], box2[..., 0])).clamp(0) * \
            (torch.min(box1[..., 3], box2[..., 3]) - torch.max(box1[..., 1], box2[..., 1])).clamp(0)
    union = b1_w * b1_h + b2_w * b2_h - inter + eps
    iou = inter / union

    # 中心点距离惩罚
    center_dist = (b1_cx - b2_cx).pow(2) + (b1_cy - b2_cy).pow(2)
    c_diagonal = ((box2[..., 2] - box2[..., 0]).pow(2) + 
                  (box2[..., 3] - box2[..., 1]).pow(2)).clamp(min=eps)
    rho = center_dist / c_diagonal

    # 宽高比一致性
    atan1 = torch.atan(b1_w / b1_h)
    atan2 = torch.atan(b2_w / b2_h)
    v = 4 * (atan1 - atan2).pow(2) / (math.pi ** 2)
    alpha = v / (1 - iou + v + eps)

    return 1 - iou + rho + alpha * v

关键实现细节：