深入解析CIoU损失函数图：目标检测中的边界框回归优化

1次阅读

共计 2387 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，边界框回归的精度直接影响模型的性能表现。传统的 IoU（Intersection over Union）损失函数虽然直观，但在实际应用中存在两个主要问题：

当预测框与真实框没有重叠时，IoU 值为 0，导致梯度消失，无法优化模型参数。
对边界框的对齐方式非常敏感，即使 IoU 值相同，不同的对齐方式可能导致完全不同的回归效果。

随后提出的 GIoU（Generalized IoU）虽然解决了部分梯度消失问题，但在某些情况下（如包含关系）仍存在优化效率低下的问题。

损失函数	数学特性	适用场景
IoU	$1 – \frac{	A∩B
GIoU	$1 – IoU + \frac{	C-A∪B
DIoU	$1 – IoU + \frac{\rho^2(b,b^{gt})}{c^2}$	考虑中心点距离，加快收敛
CIoU	DIoU + $\alpha v$	全面考虑重叠、距离和形状

CIoU（Complete IoU）损失函数在 DIoU 的基础上增加了宽高比惩罚项，其完整公式推导如下：

计算基本 IoU：
$$IoU = \frac{|A∩B|}{|A∪B|}$$
中心点距离惩罚项：
$$\frac{\rho^2(b,b^{gt})}{c^2}$$
其中 $\rho$ 是欧式距离，$c$ 是最小外接矩形的对角线长度
宽高比惩罚项：
$$v = \frac{4}{\pi^2}(\arctan\frac{w^{gt}}{h^{gt}} – \arctan\frac{w}{h})^2$$
$$\alpha = \frac{v}{(1-IoU)+v}$$
最终 CIoU 公式：
$$CIoU = 1 – IoU + \frac{\rho^2(b,b^{gt})}{c^2} + \alpha v$$

# Python 3.8, PyTorch 1.9.0
def ciou_loss(pred, target):
    """
    pred: [x1,y1,x2,y2] format (N,4)
    target: same format as pred
    """
    # 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])

    # 处理无重叠情况
    zero = torch.tensor(0., device=pred.device)
    inter_area = torch.max(zero, inter_x2 - inter_x1) * \
                 torch.max(zero, inter_y2 - inter_y1)

    # 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

    # IoU 计算
    iou = inter_area / (union_area + 1e-7)

    # 中心点距离
    pred_center = (pred[:,:2] + pred[:,2:]) / 2
    target_center = (target[:,:2] + target[:,2:]) / 2
    center_dist = torch.sum((pred_center - target_center)**2, dim=1)

    # 最小外接矩形对角线
    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])
    enclose_diag = (enclose_x2 - enclose_x1)**2 + \
                   (enclose_y2 - enclose_y1)**2 + 1e-7

    # 宽高比惩罚
    pred_wh = pred[:,2:] - pred[:,:2]
    target_wh = target[:,2:] - target[:,:2]
    v = (4/(math.pi**2)) * torch.pow(torch.atan(target_wh[:,0]/target_wh[:,1]) - 
        torch.atan(pred_wh[:,0]/pred_wh[:,1]), 2)

    # alpha 系数
    alpha = v / (1 - iou + v + 1e-7)

    # CIoU 损失
    loss = 1 - iou + center_dist/enclose_diag + alpha*v
    return loss.mean()

在 COCO 数据集上的测试结果（硬件配置：NVIDIA V100 32GB）：