YOLOv5全面解析教程（三）：IoU深入解析

奥比中光3D视觉开发者社区

于 2022-12-28 14:43:02 发布

阅读量2.2k

点赞数 2

文章标签：计算机视觉深度学习目标检测 yolov5

作者 | Fengwen，BBuf 编辑 | 3D视觉开发者社区

摘要

边界框回归是目标检测的关键步骤，在现有方法中，虽然 $\ell_{n} \text {-norm loss }$ 被广泛用于边界框回归，但它不是针对评估指标量身定制的，即Intersection over Union (IoU)。最近，已经提出了 IoU 损失和generalized IoU (GIoU) Loss作为评估IoU的指标，但仍然存在收敛速度慢和回归不准确的问题。在本文中，我们通过结合预测框和目标框之间的归一化距离来提出距离-IoU (DIoU) Loss，它在训练中的收敛速度比 IoU 和 GIoU Loss快得多。

此外，本文总结了边界框回归中的三个几何因素，即重叠面积（overlap area）、中心点距离（central point distance）和高宽比（aspect ratio），在此基础上提出了完全 IoU(CIoU) 损失，从而促进了更快的收敛和更优的性能。通过将 DIoU 和 CIoU 损失结合到最先进的目标检测算法中，例如 YOLO v3、SSD 和 Faster RCNN，我们不仅在 IoU 指标方面而且在 GIoU 指标方面都获得了显着的性能提升。此外，DIoU 可以很容易地用于非最大抑制（NMS）作为标准，进一步促进性能提升。

注释：这里IoU指标方面和GIoU指标方面指的是在：目标检测精度测量(mAP值 )、IoU损失计算稳定性等一些方面。

目标检测是计算机视觉任务中的关键问题之一，几十年来一直受到了广泛的研究关注 (Redmon et al. 2016；Redmon and Farhadi 2018；Ren et al. 2015；He et al. 2017；Yang et al. 2018；Wang et al. 2019；2018)，通常，现有的目标检测方法可以分为：

🔹单阶段-检测，如YOLO系列 (Redmon et al. 2016; Red- mon and Farhadi 2017; 2018) 和SSD (Liu et al. 2016; Fu et al. 2017)；

🔹两阶段检测，如 R-CNN系列检测 (Girshick et al. 2014; Girshick 2015; Ren et al. 2015; He et al. 2017)；

🔹多阶段的检测，像Cascade R-CNN (Cai and Vasconcelos 2018)，尽管存在这些不同的检测框架，但边界框回归预测一个矩形框来定位目标对象仍然是其中关键步骤。

IOU

IOU介绍

Intersection over Union (IoU)

在指标评估概述的小节有介绍过IoU,已经对IoU有了初步的认识(其实在yolov5项目中并不是简单的使用，而是用的后面介绍的CIoU )。

计算公式：

IoU Loss

计算公式：

IoU Loss优缺点分析

有明显的缺陷 IoU loss只在边界框有重叠时才能工作, 对于不重叠的情况不会提供任何移动梯度 (移动代表预测框朝着目标框重叠的方向移动) 。移动梯度表示无法衡量完全不相交的两个框所产生的的损失（iou固定为0），和两个不同形状的预测框可能产生相同的loss（相同的iou）分别如下图的左边和右边所示。

GIoU

GIoU介绍

Generalized Intersection over Union（GIoU）

GIoU的设计初衷就是想解决IoU Loss存在的问题（预测框与真实框不相交时iou恒定为0），设计了一套Generalized Intersection over Union Loss。在IoU的基础上，GIoU还需要找到预测框和真实框的最小外接矩形，然后求出最小外接矩形减去两个预测框union的面积，具体算法流程如下：

GIoU loss

计算公式 :

其中 C 是覆盖 B 和 $B^{gt}$ 的最小方框,由于引入了 C，在不重叠的情况下，预测框也会向目标框移动。

GIoU优缺点分析

GIoU Loss解决了IoU Loss在不相交情况的问题，在所有性能指标中都可以作为IoU的适当替代品，在目标检测任务中能够得到更高的准确率。

缺点：虽然GIoU可以缓解重叠情况下的梯度消失问题,但它仍有一些局限性。即无法衡量有包含关系时的框回归损失，如下图，三个回归框具有相同的GIoU Loss，但是显然第三个框的回归效果更好。

IoU & GIoU 分析

首先，在本文上部分我们分析了关于原始的IoU损失和GIoU 损失的局限性。下面将通过模拟实验结果对边界框回归的过程进行进一步的解析。

补充说明: 为什么要进行模型实验? 因为仅仅从检测结果来分析边界框回归的过程很难，因为在不受控制的基准中的回归情况往往不全面，比如：不同的距离(distances),不同的尺度(scales)和不同的长宽比(aspect ratios)。相反，进行模拟实验，在实验中综合考虑回归情况，然后就可以很容易地分析给定损失函数的问题。

模拟实验

在模拟实验中, 我们试图通过距离(distances), 尺度 (scales)和长宽比(aspect ratios)来覆盖边界框之间的大部分关系，如图3(a).所示。特别是, 我们选择7个单位框 (即每个框的面积为1) ，具有不同的长宽比（即1:4、1:3、1:2、1:1、2:1、3:1和4:1）作为目标框。在不失一般性的情况下，7个目标框的中心点被固定在（10，10）。锚框均匀地分散在5000个点上。

（1）距离：在以半径为3的（10，10）为中心的圆形区域内, 均匀选择5000个点, 放置7个尺度、7个长宽比的锚框。在这些情况下，重叠和不重叠的方框都被包括。

（2）尺度：对于每个点, 锚框的面积分别设置为0.5、0.67、1、1.33、1.5和2。

（3）长宽比：对于给定的点和尺度, 采用 7 个长宽比, 即与目标框遵循相同的设置（即1:4、1:3、1:2、1:1、2:1、3:1和4:1）。所有5000x7x7锚箱都对应在每个目标框。综上所述，总共有 1715000=7x7x7x5000个回归案例。

然后通过给定损失函数 $\mathcal{L}$ ，我们可以用梯度下降算法来模拟每种情况下的边界框回归过程。对于预测框 $B_{i}$ ，当前的预测可以通过:

IoU 和 GIoU 损失的限制

在图4中，我们可视化迭代T时对5000个分散点的最终回归误差。

从图4(a)中很容易看出，IoU损失只适用于与目标框重叠的情况。由于∇B总是0，没有重叠的锚框将不会移动。

通过添加一个惩罚项（见公式3），GIoU 损失能够更好的缓解非重叠案例的问题，如图所示4(b)，但GIoU的损失显著扩大了盆地，即GIoU的工作面积。但是，在水平方向和垂直方向的情况下，仍然很可能有很大的误差。这是因为GIoU损失中的惩罚项是用来最小化|C−A∪B|，但是C−A∪B的面积通常很小或为0（当两个盒子有包含关系时），然后GIoU几乎退化为IoU损失。只要以适当的学习速率运行足够的迭代GIoU 损失能收敛到很好的解决方案，但收敛速度却是非常慢。从几何上来说，从如图1所示的回归步骤来看，GIoU实际上增大了预测的框大小，用来和目标框重叠，然后IoU项用于预测框与目标框匹配，产生非常缓慢的收敛。

综上所述，在非重叠情况下，IoU损失收敛是糟糕的解决方式，而GIoU损失收敛速度较慢，特别是对于水平和垂直方向的框。在目标检测流程中，IoU和GIoU的损失都不能保证回归的准确性。

DIoU & CIoU

通过前面的IoU和GIoU的分析我们很自然会问以下问题：

（1）是否可以直接最小化预测框和目标框之间的归一化距离，以实现更快的收敛？

（2）当与目标框有重叠甚至包含时，如何使回归更准确、更快？

DIoU loss

istance-IoU 损失：更快更好的边界框回归损失,一般来说, IoU-based 损失可以定义为

其中， $\mathcal{R}\left(B, B^{g t}\right)$ 是预测框 B 和目标框 $B^{gt}$ 的惩罚项。通过设计适当的惩罚项, 在本节中, 我们提出了 DIoU 损失和CIoU损失来解答上述两个问题。

为了回答第一个问题, 我们提出将两个边界框的中心点之间的标准化距离最小化，惩罚项可以定义为：

其中，其中 b 和 $b^{gt}$ 分别代表 B 和 $B^{gt}$ 的中心点。 $\rho(\cdot)$ 为欧氏距离, C是覆盖两个盒框的最小封闭框的对角线长度。DIoU损失函数可以定义为:

如图5所示, DIoU损失的惩罚项直接使两个中心点之间的距离最小化, 而GIoU损失的目的是减少 $C-B \cup B^{g t}$ 的面积。

DIoU 和 IoU/GIoU 损失比较

新提出的DIoU损失继承IoU和GIoU损失的一些属性：

DIoU损失比IoU损失和GIoU损失有几个优点, 可以通过仿真实验进行评估。如图1和图3所示, DIoU损失可以直接最小化两个框的距离, 因此收敛速度比GIoU损失要快得多。

对于两个框是包含关系的情况（图2），或在水平和垂直方向的情况（图6）下, DIoU损矢可以回归非常快, 而GIoU损失几乎退化为iOu损失, 即 $|C-A \cup B| \rightarrow 0$ 。

Complete IoU Loss

接着我们回答了第二个问题，提出了边界框回归的良好损失应该要考虑三个重要的几何因素, 即重叠面积、中心点距离和长宽比。通过统一坐标, IoU损失考虑了重叠区域, 而GIoU损失严重依赖于IoU损失。我们提出的DIoU损失旨在同时考虑边界框的重叠面积和中心点距离。然而, 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损失，通过添加长宽比的一致性来提出损失:

NMS

NMS介绍

NMS(Non-Maximum Suppression)是大多数目标检测算法的最后一步，其中删除了冗余的检测框当它与最高分框的重叠超过一个阈值。Soft-NMS (Bodla et al. 2017) 用连续函数w.r.t.惩罚相邻框的检测分数IoU，产生比原始NMS产生更柔和大和更强大的抑制。IoU-Net (Jiang et al. 2018) 提出了一个新的网络分支来预测定位置信度来指导NMS。最近，自适应NMS（Liu，Huang，和Wang 2019）和Softer-NMS（He et al. 2019）被提出分别研究适当的阈值策略和加权平均策略。在本工作中，简单将DIoU作为原始NMS的标准, 在抑制冗余框时，同时考虑边界框的重叠面积和两个中心点之间的距离。