优化目标检测模型：CIoU损失函数的原理与实战改进

1次阅读

没有评论

共计 2142 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，IoU（Intersection over Union）是最常用的评估指标，但直接作为损失函数存在两个主要问题：

当预测框与真实框没有重叠时，IoU=0，无法提供梯度方向
对不同对齐方式的预测框可能给出相同的 IoU 值，缺乏区分度

后续提出的 GIoU 和 DIoU 虽然部分解决了这些问题，但仍然存在不足：

GIoU 倾向于先扩大预测框再调整位置
DIoU 忽略了框的宽高比一致性

这正是 CIoU（Complete-IoU）提出的动机——通过同时考虑中心点距离、重叠面积和宽高比，实现更全面的优化目标。

CIoU 损失函数定义为：

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

其中：

$\rho$ 是中心点欧氏距离
$c$ 是最小外接矩形的对角线长度
$v$ 衡量宽高比一致性：
$$v = \frac{4}{\pi^2}(\arctan\frac{w^{gt}}{h^{gt}} – \arctan\frac{w}{h})^2$$
$\alpha$ 是自适应权重：
$$\alpha = \frac{v}{(1-IoU)+v}$$

这个设计使得模型会同时优化三个关键因素：重叠区域、中心点对齐和形状相似性。

import torch
import math

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

    def forward(self, pred, target):
        """
        Args:
            pred (Tensor): [N,4] (x1,y1,x2,y2)
            target (Tensor): [N,4] (x1,y1,x2,y2)
        Returns:
            loss (Tensor): scalar
        """
        # 转换为中心点 + 宽高表示
        pred_xy = (pred[..., :2] + pred[..., 2:]) / 2
        pred_wh = pred[..., 2:] - pred[..., :2]
        target_xy = (target[..., :2] + target[..., 2:]) / 2
        target_wh = target[..., 2:] - target[..., :2]

        # 计算 IoU
        inter = torch.prod(torch.minimum(pred_wh, target_wh), dim=-1)
        union = torch.prod(pred_wh, dim=-1) + torch.prod(target_wh, dim=-1) - inter
        iou = inter / (union + self.eps)

        # 中心点距离
        rho2 = torch.sum((pred_xy - target_xy)**2, dim=-1)
        c2 = torch.sum((torch.max(pred_wh, target_wh))**2, dim=-1) + self.eps

        # 宽高比项
        with torch.no_grad():
            arctan = torch.atan2(target_wh[..., 0], target_wh[..., 1]) - \
                     torch.atan2(pred_wh[..., 0], pred_wh[..., 1])
            v = (4 / (math.pi ** 2)) * torch.pow(arctan, 2)
            alpha = v / (v - iou + 1 + self.eps)

        return 1 - iou + (rho2 / c2) + alpha * v

原版的 $\alpha$ 权重在 iou 较高时作用减弱，我们可以改进为：

$$\alpha’ = \lambda \cdot \alpha + (1-\lambda)\cdot IoU$$

其中 $\lambda$ 是可学习的参数，这样模型可以根据任务自动调整形状约束的强度。

对小目标和大目标采用不同的惩罚强度：

$$s = \log(\frac{area}{1024} + 1)$$
$$v’ = v \cdot s$$

这样可以对不同尺度的目标施加更合适的形状约束。