深入解析CIoU损失函数的缺点及其改进方案

1次阅读

共计 3174 个字符，预计需要花费 8 分钟才能阅读完成。

目标检测是计算机视觉中的核心任务之一，而损失函数的设计直接影响模型性能。从最早的 IoU（Intersection over Union）开始，研究者们陆续提出了 GIoU、DIoU 和 CIoU 等改进版本。这些损失函数都是为了更好地衡量预测框与真实框之间的匹配程度。

CIoU（Complete IoU）在 DIoU 的基础上增加了长宽比的考虑，通过以下公式计算：

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

其中，$\rho$ 表示中心点距离，$c$ 是最小包围框对角线长度，$v$ 衡量长宽比一致性，$\alpha$ 是权重系数。

虽然 CIoU 在许多场景下表现良好，但它仍然存在几个明显缺点：

梯度不稳定问题 ：在长宽比项 $v$ 的计算中，当预测框与真实框的长宽比接近时，梯度会出现剧烈波动。这会导致训练过程中优化方向不稳定，影响模型收敛。
小目标敏感性问题 ：对于小目标检测，CIoU 对位置偏差的惩罚相对过大。一个像素的偏移可能导致损失值显著变化，使得模型对小目标的训练更加困难。
长宽比耦合问题 ：CIoU 将长宽比作为一个整体项优化，但实际上长和宽的变化对 IoU 的影响是非对称的，这种耦合可能导致优化方向不够精确。

针对上述问题，研究者们提出了几种改进方案：

EIoU 将长宽比拆解为单独的长和宽惩罚项：

$$
\mathcal{L}_{EIoU} = 1 – IoU + \frac{\rho^2(b, b^{gt})}{c^2} + \frac{\rho^2(w, w^{gt})}{C_w^2} + \frac{\rho^2(h, h^{gt})}{C_h^2}
$$

其中 $C_w$ 和 $C_h$ 是宽高方向的包围框尺寸。这种解耦方式使得优化更加直接。

SIoU 引入了角度惩罚项，考虑了预测框与真实框之间的方向关系：

$$
\mathcal{L}_{SIoU} = 1 – IoU + \frac{\Delta}{2} + \frac{\Gamma}{2}
$$

其中 $\Delta$ 是角度惩罚项，$\Gamma$ 是距离惩罚项。这种方法尤其适用于有方向性的目标检测任务。

以下是 PyTorch 实现的 EIoU 损失函数示例：

import torch
import math

def eiou_loss(pred_boxes, target_boxes):
    """
    计算 EIoU 损失
    :param pred_boxes: 预测框 [x1,y1,x2,y2] 格式，shape 为 [N,4]
    :param target_boxes: 真实框 [x1,y1,x2,y2] 格式，shape 为 [N,4]
    :return: EIoU 损失值
    """
    # 计算交集面积
    inter_x1 = torch.max(pred_boxes[:, 0], target_boxes[:, 0])
    inter_y1 = torch.max(pred_boxes[:, 1], target_boxes[:, 1])
    inter_x2 = torch.min(pred_boxes[:, 2], target_boxes[:, 2])
    inter_y2 = torch.min(pred_boxes[:, 3], target_boxes[:, 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_boxes[:, 2] - pred_boxes[:, 0]) * \
                (pred_boxes[:, 3] - pred_boxes[:, 1])
    target_area = (target_boxes[:, 2] - target_boxes[:, 0]) * \
                  (target_boxes[:, 3] - target_boxes[:, 1])
    union_area = pred_area + target_area - inter_area

    # 计算 IoU
    iou = inter_area / (union_area + 1e-6)

    # 计算中心点距离
    pred_center = torch.stack([(pred_boxes[:, 0] + pred_boxes[:, 2]) / 2,
                              (pred_boxes[:, 1] + pred_boxes[:, 3]) / 2], dim=1)
    target_center = torch.stack([(target_boxes[:, 0] + target_boxes[:, 2]) / 2,
                                (target_boxes[:, 1] + target_boxes[:, 3]) / 2], dim=1)
    center_distance = torch.sum((pred_center - target_center)**2, dim=1)

    # 计算包围框对角线长度
    enclose_x1 = torch.min(pred_boxes[:, 0], target_boxes[:, 0])
    enclose_y1 = torch.min(pred_boxes[:, 1], target_boxes[:, 1])
    enclose_x2 = torch.max(pred_boxes[:, 2], target_boxes[:, 2])
    enclose_y2 = torch.max(pred_boxes[:, 3], target_boxes[:, 3])
    enclose_diagonal = (enclose_x2 - enclose_x1)**2 + \
                       (enclose_y2 - enclose_y1)**2

    # 计算宽高惩罚项
    width_penalty = (pred_boxes[:, 2] - pred_boxes[:, 0] - \
                    (target_boxes[:, 2] - target_boxes[:, 0]))**2
    height_penalty = (pred_boxes[:, 3] - pred_boxes[:, 1] - \
                     (target_boxes[:, 3] - target_boxes[:, 1]))**2

    # 计算 EIoU 损失
    eiou = 1 - iou + center_distance / (enclose_diagonal + 1e-6) + \
           width_penalty / ((enclose_x2 - enclose_x1)**2 + 1e-6) + \
           height_penalty / ((enclose_y2 - enclose_y1)**2 + 1e-6)

    return eiou.mean()

我们在 COCO 数据集上对比了不同损失函数的性能：