CIoU Loss（Complete Intersection over Union Loss）​损失函数解析

于 2025-03-27 16:06:17 发布
阅读量986 收藏 19
点赞数 27
分类专栏： # 深度学习基础知识 深度学习目标检测(YOLO)专栏 深度学习目标检测 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a8039974/article/details/146563775
版权

CIoU Loss 是目标检测中用于边界框回归的高级损失函数，在DIoU的基础上进一步引入长宽比惩罚项，联合优化重叠面积、中心点距离和形状差异，显著提升定位精度。以下是其详细解析：

​1. CIoU的公式与原理

​2. 为什么需要CIoU Loss？

DIoU的局限性：

  • ​忽略形状差异：当中心点重合但宽高比不同时，DIoU无法有效优化（如预测框为正方形，真实框为长方形）。

CIoU的改进：

  • ​联合优化三要素：
    • ​重叠面积（IoU）​：保证整体覆盖。
    • ​中心点距离：加速收敛。
    • ​长宽比一致性：
了解本专栏 订阅专栏 解锁全文
【YOLOv8改进-损失函数】 YOLOv8自带损失函数CIoU / DIoU / GIoU 详解，以及如何切换损失函数
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
06-06 3705
在介绍YOLOv8中的各种Iou之前，我们先来了解了解目标检测中的损失函数。目标检测模型通常包含两类损失函数：类别损失（分类）和位置损失（回归）。这两类损失函数用于检测模型的最后一部分，根据模型的输出（类别和位置）以及实际标注框（类别和位置），分别计算类别损失和位置损失。
giou loss
jacke121的专栏
01-06 2537
https://github.com/Tenvence/gravel-object-detection/blob/0feea9b29bbbd0a6cc02516e7ecffc27ef732bf7/model/loss.py import numpy as np import torch import torch.nn as nn def compute_giou(boxes1,...
【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标
热门推荐
xian0710830114的专栏
12-08 4万+
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EIoU，下面我们一起看一下这几种IoU。
一文详解目标检测损失函数：IOU、GIOU、DIOU、CIOU
zandaoguang的博客
09-23 4171
点击上方“视学算法”，选择加"星标"或“置顶”重磅干货，第一时间送达作者丨记忆的迷谷@知乎（已授权）来源丨https://zhuanlan.zhihu.com/p/359982543编辑丨极市平台导读IOU损失函数目前主要应用于目标检测的领域，其演变的过程如下：IOU --> GIOU --> DIOU -->CIOU损失函数，每一种损失函数都较上一种损失函数有所提升。本文来具...
CIOU LOSS
qq_43586192的博客
04-02 1143
def Ciou(bboxes1, bboxes2): rows = bboxes1.shape[0] cols = bboxes2.shape[0] cious = torch.zeros((rows, cols)) if rows * cols == 0: return cious exchange = False if bboxes1.shape[0] > bboxes2.shape[0]: bboxes1, bbo
IOU/ GIOU/ DIOU/ CIOU loss
～勿据散客～的博客
07-29 3193
转载自大白老师深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解 由于文章过长，故特意截取，以便查阅： 目标检测任务的损失函数一般由Classificition Loss（分类损失函数）和Bounding Box Regeression Loss（回归损失函数）两部分构成。 Bounding Box Regeression的Loss近些年的发展过程是：Smooth L1 Loss-> IoU Loss（2016）-> GIoU Loss（2019）
GIoU DIoU CIoU loss 损失函数
不佛的博客
12-01 1万+
目标检测任务中，Bounding Box的评估指标是IoU，IoU范围在(0,1)(0,1)(0,1)之间，具有尺度不变性，而且可以衡量各种形状的匹配程度。我们自然会考虑能否将IoU设计为一个损失函数。 IoU loss 最简单的，直接将1-IoU定义为损失，我自己在简单的目标检测项目中尝试过，基本没有办法学习，主要原因是：当预测框和目标框不相交时，IoU始终为0，损失函数不可导，无法优化。 另外这种损失定义方式无法区分IoU的各种情况，同样的IoU值，重叠形状可以有许多种，它们在效果上是有差异的，因此
深入理解 YOLOv4 中的 CIOU 损失函数计算方法
AI_dataloads的博客
11-13 1万+
CIOU 损失函数是 YOLOv4 在原有 IOU（Intersection over Union）损失函数基础上的改进版本。它考虑了目标框之间的完整交叉，并引入了修正因子，以更精准地度量目标框之间的相似性。CIOU 损失函数的计算方法相比于传统 IOU 更为复杂，但这也使得模型在训练过程中能够更好地理解目标框的准确位置和形状。CIOU 损失函数在设计上考虑了目标框的形状信息，通过引入修正因子，使得损失对于不同形状的目标框更具鲁棒性。这使得模型更容易捕捉目标的准确形状。
对损失函数CIoU的改进算法ICIoU
wxf2020csdn的博客
05-21 2285
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录一、 Introduction二、The Proposed Method ICIoU 基于边界框回归损失的目标检测器以其简单、高效的特点被广泛应用于计算机视觉领域。损失函数中定位算法的精度会影响网络模型检测结果的平均精度。我们在Complete Intersection over Union(CIoU)损失函数的基础上提出了一种改进的提高定位精度的算法。具体来说，该算法在于更全面的考虑预测框和真值框的匹配，利用预测框与真值框高宽.
CIOU Loss回归损失函数
07-28
CIOU Loss（Complete Intersection over Union Loss）是一种用于回归任务的损失函数，它主要用于目标检测任务中边界框的回归损失计算。 在目标检测任务中，我们需要预测每个目标物体的边界框位置。CIOU Loss通过...
CIOU Loss回归损失函数作用
07-28
具体而言，CIOU Loss使用了一个称为CIOU（Complete IoU）的相似度度量，它综合考虑了两个边界框的IoU（Intersection over Union）以及它们的中心点、宽高之间的距离。通过最小化CIOU Loss，模型可以更好地学习到准确...
YOLOV4用到的一些tricks以及代码实现（2）——CIou_Loss
xiaoyang0307的博客
03-02 4193
本篇博客介绍用于计算损失函数的CIOU_LOSS算法 继上篇介绍yolov4——Mosaic data argumentaion后，接着介绍yolov4中用到的tricks。 CIOU_LOSS算法用于目标检测损失函数的计算。在详细介绍CIOU代码之前，有必要介绍一下CIOU的进化序列。 本节介绍交叉熵，Focal loss，L1/L2损失函数、IOU Loss、GIOU、DIOU的相关理论以及CIOU的理论与代码实线。 交叉熵： 作为图像分类问题最为常用的损失函数，通常接在softmax之后
详解GIoU、DIoU、CIoU Loss
nwpuxhld
03-04 9523
GIoU、DIoU、CIoU详解GIoU、DIoU、CIoUGIoU优势核心实现公式CodeDIoU(Distance-IoU)MotivationContributionsDetailResultDiscussion GIoU、DIoU、CIoU 随着IoU Loss在目标检测领域的应用，最近有几篇典型的工作提出去改进IoU Loss，本文将依次介绍GIoU、DIoU和CIoU Loss GIoU 优势 首先可以实现较全场景以类IoU Loss为目标直接优化，使得优化目标和最终的评估目标一致。由于IoU
目标检测中的损失函数：IOU_Loss、GIOU_Loss、DIOU_Loss和CIOU_Loss
最新发布
JulyLi2019的博客
12-04 3928
之前在项目中存在目标检测框内嵌的情况（目标检测框存在内嵌情况分析与解决），正好趁这个机会记录下目标检测中常用的几种IOU_loss函数。IOU_Loss作为传统的衡量标准，为我们提供了一个基础,而GIOU_Loss、DIOU_Loss和CIOU_Loss则在其基础上引入了更多的信息，如目标框的形状和相对位置等，从而使得模型更加准确地学习目标的位置和形状。！！2023年12月4日20:03:02。
目标检测中的回归损失函数系列四：DIoU Loss / CIoU Loss
梦坠凡尘
05-12 1万+
论文：https://arxiv.org/pdf/1911.08287.pdf YOLOv-DIoU开源代码：https://github.com/Zzh-tju/DIoU-darknet
交并比（Intersection over Union）
weixin_44378835的博客
07-09 669
IoU
【DIoU CIoU】DIoU和CIoU损失函数理解及代码实现
计算机视觉方面的点点滴滴，欢迎一起讨论
05-27 4294
文章目录1 引言2 问题分析3 作者思考4 DIoU Loss计算过程5 CIoU Loss计算过程6 IoU/GIoU/DIoU/CIoU代码实现可视化7 感谢链接 1 引言 目标检测任务的损失函数由Classificition Loss和Bounding Box Regeression Loss两部分构成。 Bounding Box Regression Loss Function的演进路线是： Smooth L1 Loss --> IoU Loss --> GIoU Loss -->
IoU、GIoU、DIoU、CIoU损失函数的那点事儿
zandaoguang的博客
05-31 5927
公众号关注“视学算法”设为 “星标”，DLCV消息即可送达！来自 | 知乎作者 | Errorhttps://zhuanlan.zhihu.com/p/9479...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

浩瀚之水_csdn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值