BBox边界框损失函数演进

边界框损失计算的演进

边界框回归损失近些年的发展过程：

1. MSE Loss

 2. IoU Loss

 计算IoU交并比示意图如图，蓝色为真实目标框，橘红色为预测目标框。

IoU Loss存在的问题，存在检测框大小相同，重叠区域面积相等的情况(IoU相等)，无法区分不同相交情况。

3. GIoU Loss

为了改进IoU Loss存在的问题，提出了GIoU方法。GIoU Loss的计算公式

其中 表示真实框与预测框的最小闭包区域面积，即外接矩形面积。

GIoU Loss增加了相交情况的衡量方式，但还是存在问题。

以上情况时，GIoU=IoU，此时GIoU变成了IoU。问题反映出GIoU无法区分相对位置关系。

Paper：Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression (https://arxiv.org/pdf/1902.09630.pdf)

4. DIoU Loss

DIoU Loss考虑了重叠面积与中心点距离，当预测框在真实框中时，度量两个框的距离来解决GIoU无法区分相对位置的问题。

DIoU Loss仍然存在问题：没有考虑检测框的长宽比。

以DIoU Loss计算的结果以上三种情况相等。

5. CIoU Loss

CIoU Loss在DIoU Loss的基础上添加了一个影响因子，将预测框与真实框的长宽比都考虑了进去。

CIoU Loss具备边界框回归的3个几何因素：重叠面积、中心点距离与长宽比。

为什么会有公式呢？

原因是一个矩形框的长宽比的正切值不会超过，为了让长宽比正切值归一化，每个矩形的幅度值需要除以，然后MSE便得到了。为权衡参数，当IoU越大时， 权衡参数越大，反之亦然。 

6. 总结

IoU Loss：主要考虑检测框与真实框重叠面积。

GIoU Loss：在IoU Loss的基础上，解决了检测框相同，IoU相同，但相交的位置不同问题。

DIoU Loss：在GIoU与IoU的基础上，考虑边界框中心点距离的信息。解决了检测框落在真实框中，GIoU变成IoU的问题。

CIoU Loss：在DIoU的基础上，考虑了检测框的长宽比信息，满足边界框损失函数具备的三大特性：考虑重叠面积、中心点距离、长宽比。