目标检测定位损失

关于目标检测中bounding box定位损失的理解

在目标检测中，训练模型的损失通常有关于预测的bounding box与GT之间的边框损失。下面我会详细介绍近些年来不同的边框损失，分别为：中心点损失、宽高损失，IOU损失，GIOU损失，DIOU损失，CIOU损失。

1. 中心点损失
   具体做法：通过预测的bounding box中心点坐标x，y，宽高w，h，与真实的box的中心点坐标$x_g$，$y_g$，宽高$w_g$，$h_g$计算均方差损失RMS。但通过不断的实验证明，采用均方差损失无法体现出边框的整体损失（即无法很好的体现两个box直接的联系性）。
   以下为采用RMS的公式：
   
   
2. IOU损失
   计算两者box之间的IOU，作为边框损失，增强两者的联系性。
   以下为IOU损失公式：1-IOU，取值范围【0~1】
   
3. GIOU损失
   为了解决IOU损失中无法体现两者在不重叠情况下的远离程度，可以更好地体现两者的重叠程度。
   以下为GIOU的公式：1-GIOU，取值范围【0~2】
   
   
   其中$A_c$：该变量代表可以将预测box和GT包围的最小矩形框的面积。
4. DIOU损失
   为了解决GIOU中无法体现当一个box包含另一个box，但具有不同位置的差别，加入了中心点距离与对角线的比值。
   以下为DIOU公式：1-DIOU，取值【0~2】
   
   
   $c^2$：代表包围两者的最小矩形框的对角线长度。
   $d^2$：代表两个边框中心点的平方差距离。
5. CIOU损失
   该损失考虑了三个点：box宽高比，重叠程度，中心点距离。
   以下为CIOU损失公式1-CIOU，取值范围【0~2】。
   
   

总结

以上便是目前目标检测中常用的几种边框定位损失，如理解存在纰漏，敬请指正，谢谢！