详解各种iou损失函数的计算方式（iou、giou、ciou、diou）

文章目录[隐藏]

1、IOU
2、GIOU
3、DIOU与CIOU
4、代码分析

本文主要是理解各个回归损失函数的区别和改进，其实最主要的还是这些损失函数在yolo中起到了非常大的作用，包括从最原始的yolov3中引入，到v4、v5中变成真正的官方损失函数，确实很有效。本文将逐条分析这些损失函数，并不会按照论文结构来描述。

1、IOU

paper：https://arxiv.org/pdf/1608.01471.pdf

iou-loss本身是是从人脸检测的paper引入进来的，由于此文只分析损失函数比较简单，我们只讨论IOU-LOSS，先看paper的原图：

简单易懂，IOU-loss与l2-loss值的差异，然后更进一步的给出了iou-loss的表达式，如下：

流程和公式实在是很简单，相信有一定基础的同学肯定都理解，此处不再赘述，我们重点看接下来的GIOU和DIOU和CIOU。

2、GIOU

paper:https://arxiv.org/abs/1902.09630

首先本文最重要的一点，便是指出针对regression使用类似于l1 loss之类的损失函数不合适，因为在回归任务中，如果使用l1-loss时，相同的loss值时，regression的效果可以大不相同，也就是说，loss值不能够直观的体现出regression的效果，而我们在目标检测中，使用的最多的评估标准就是IOU，iou具有一个尺度不敏感的特性，根据当前的iou数值，可以体现出预测值与gt值的直接效果。我们直接看paper的原图：

我们看到上图a和图b中，当l2-loss值固定时，regression效果完全不一样，明显，图a和图b的第三幅图效果是最好的，l2-loss的描述情况明显没有使用iou来表示好，进一步的，当iou相同时，只能代表目标框和检测框的交并比相同，但预测框的实际大小有可能完全不一样，这样也说明了无论是iou-loss或者l2-loss都不能够很好的反应出检测效果。而且iou有两个缺点不适合作为损失函数：

1、检测框与gt框没有重叠时，iou=0，也就是说梯度为0，没法优化（GIOU重新定义了损失函数的公式，保证在没有相交时也会有损失函数值，能够进行反向传播）

2、检测框与gt框有iou时，无法精确反映重合度大小，检测效果也有较大的差异

针对上述问题，提出了GIOU，具体定义先见paper的截图：

简单解释一下定义：先计算两个框的最小闭包区域面积，再计算IOU，再计算不闭包区域中不属于两个检测框的区域占闭包区域的比重，最后用IOU-这个比重得到GIOU。

GIOU具有4个特点：

1、与IOU相似，也是一种距离度量，作为损失函数满足损失函数的需求

2、GIOU对scale不敏感

3、GIOU是IOU的下界，取值为[-1, 1]，在两个框无重合的情况下，IOU=0，减数为1，GIOU即为-1，当两个框完全重叠，IOU=1，减数为0，则GIOU=1（可以理解为由于惩罚项的引入，在不重叠的情况下，预测框会向目标框移动）

4、GIOU除了关注重叠区域不同，还关注了非重叠区域，能够更好的反应重合度。

paper给出的算法流程如下：

看上去相当的复杂，如果剔除掉阅读困难的复杂符号，其实就很简单了：

第一步（上图中1）：找出两个坐标的最边界点，用于计算闭包面积；

第二步（上图2,3,4,7）：计算IOU；

第三步（上图5）:计算闭包面积；

第四步（上图8,9）：计算IOU-LOSS和GIOU-LOSS

测试结果：

yolov3：

faster-rcnn:

可以看到，giou在yolov3和faster-rcnn上都获得了一定程度的提升，证明该损失函数适用于one-stage和two-stage，不像focal-loss一样存在一定的局限性。

3、DIOU与CIOU

paper：https://arxiv.org/pdf/1911.08287.pdf 提出DIOU和CIOU

paper：https://arxiv.org/pdf/2005.03572.pdf 提出CIOU和应用（检测+分割）

注意，两篇paper的作者几乎是同一个团队，可以认为是一个补充或者互相印证的关系

3.1 DIOU

首先我们直接看paper的原图，为什么DIOU会比IOU和GIOU要好：

如上图所示，当出现如上场景时，计算各种基于IOU的损失函数值，L-diou是能够描述检测框与gt框的位置信息，上图中，我们可以看到，当处于第三幅图时，检测框和gt都位于中心，iou=giou=diou，但是，位置出现差异，如第一幅图和第二幅图时，明显第二幅图的效果要好一些，此时GIOU降级成为IOU，而DIOU的损失值较大，能够较好的描述当前位置信息。

再进一步给出paper对各个损失函数的定义：

基于上，作者此时提出了DIOU，提出了2个问题，第一：最小化两个边界框中心点的归一化距离能否加快收敛。第二：如何在回归时，能够更好的描述重叠信息，同时使得回归更准确，更快速？

基于上述两个问题，我们看paper定义了基于iou的损失函数：

作者认为，常规iou-loss可以被定义成如上式所示，其中R项我们可以认为是检测框与gt框的惩罚项，针对上文提到的两个问题，基于这个不同的惩罚项定义，paper提出了DIOU和CIOU。

针对第一个问题，原paper中我们看到作者对DIOU的定义如下：

如式6所示，b和b-gt分别代表预测框和gt框的中心点， $\rho$ 代表欧氏距离（paper使用），c代表能够同时覆盖预测框和gt框的最小矩形的对角线距离（就是闭包区域的对角线），如下图所示：

DIoU的优点如下：
1、对尺度不敏感，

2、与GIoU loss类似，DIoU loss在与目标框不重叠时，仍然可以为边界框提供移动方向。

3、当边界框完全匹配时，L_iou=L_giou=L_diou=0，当相距很远时，L_giou=L_diou -> 2

4、DIoU loss可以直接最小化两个目标框的距离，而GIOU loss优化的是两个目标框之间的面积，因此比GIoU loss收敛快得多。

5、对于包含两个框在水平方向和垂直方向上这种情况，DIoU损失可以使回归非常快，而GIoU损失几乎退化为IoU损失

以上就是DIOU的基本描述了，具体的实验我们讲解完同一篇论文提出的CIOU后一并给出结果。

3.2 CIOU

DIOU解决了上文提到的第一个问题，归一化两个中心点的距离从而加速收敛的问题，但是还未解决第二个问题，即如何在回归时能够更好的描述重叠信息。我们再回到paper。

paper指出，预测的bbox的三个重要的因素分别是，重叠面积、中心点距离和纵横比（长宽比）。L_iou考虑了重叠区域，而giou很大程度上依赖了iou损失，DIou则同时考虑了重叠区域和中心点距离，更进一步的，边界框的长宽比的一致性也是一个重要的几何因素。因此，基于DIOU，我们通过施加长宽比的一致性来提出了CIOU-loss：