《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》DIOU论文

前言

《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》发表于2020年AAAI,来自天津大学和中国人名公安大学

资源

论文下载:Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression

论文题目及作者

在这里插入图片描述

介绍

在这里插入图片描述
第一行为GIOU loss,第二行是DIOU loss。
绿边框表示Ground Truth,黑边框表示Anchor Box。
蓝边框和红边框表示预测框,分别用于GIOU loss和DIOU loss。

作者提到,GIOU loss通常会增加预测框的大小与Ground Truth重叠,而DIOU loss直接最小化中心点的归一化距离。

GIOU loss通常会增加预测框的大小与Ground Truth重叠:
回顾下GIOU的公式:
在这里插入图片描述
其中 C C C B B B B g t B^{gt} Bgt的最小闭包面积

这里作者做了迭代实验,发现GIOU loss首先通过增加预测合的大小,使其与Ground Truth重叠,然后最大化重叠区域。

在这里插入图片描述
DIOU loss直接最小化中心点的归一化距离:

作者认为:从图2可知,GIOU loss将完全退化到IOU loss的包围框,因为GIOU loss在实验迭代中不断增加重叠区域,直至重叠区域最大。
作者画出的这个图是Ground Truth 包围了预测框,这个状态应该是由预测框主要增加宽高以增加与Ground Truth的重叠区域,然后回归坐标和宽高,详细讨论见实验部分

作者的仿真实验

更详细的讨论见作者的github:作者开源github
在这里插入图片描述
首先,将锚框设置为对角线方向。GIoU 损失通常会增加预测框的大小以与目标框重叠,而 DIoU 损失则直接最小化中心点的归一化距离。
在这里插入图片描述
其次,锚框设置为水平方向。GIoU 损失扩大了预测框的右边缘,而预测框的中心点仅略微向目标框移动。然后当预测框和目标框之间存在重叠时,GIoU 损失中的 IoU 项会更好地匹配。从 T = 400 处的最终结果可以看出,目标框已包含在预测框中,其中 GIoU 损失已完全降级为 IoU 损失。
在这里插入图片描述
第三,锚框设置为垂直方向。同样,GIoU loss 拓宽了预测框的底部边缘,这两个框在最终迭代中不匹配。相比之下,我们的 DIoU 损失仅在几十次迭代中就收敛到良好的匹配。
在这里插入图片描述
在这里插入图片描述
在200个epoch终止后,可见IOU以及GIOU的error在1.5,而DIOU和CIOU的error达到0,CIOU相比DIOU更快拟合。
在这里插入图片描述
matlab仿真,盆地区域表示回归良好的情况。

作者对GIOU loss的讨论:
当Ground Truth和预测框为水平或者垂直分布时,GIOU loss大概率会产生很大的误差。这里GIOU的公式中的惩罚项是最小化 ∣ C − B ∪ B g t ∣ |C-B\cup B^{gt}| CBBgt,但是 ∣ C − B ∪ B g t ∣ |C-B\cup B^{gt}| CBBgt通常很小或者为0,即有部分重叠和包围的情况,此时GIOU loss退化到IOU loss。只要以适当的学习率运行足够多的迭代,GIOU损失将收敛到良好的解,但收敛速度非常慢。

在这里插入图片描述

作者的想法

作者将IOU loss 定义为:
L = 1 − I o U + R ( B , B g t ) L = 1-IoU+R(B,B^{gt}) L=1IoU+R(B,Bgt)
其中 R ( B , B g t ) R(B,B^{gt}) R(B,Bgt)为预测框和Ground Truth的惩罚项,基于此提出DIOU LOSS 以及CIOU LOSS

Distance-IoU Loss

从最小化两个边界框的中心点之间的归一化距离出发,作者定义的惩罚项为:
R D I o U = ρ 2 ( b , b g t ) c 2 R_{DIoU}=\frac{\rho^2(b,b^{gt})}{c^2} RDIoU=c2ρ2(b,bgt)
其中 b b b b g t b^{gt} bgt表示 B B B B g t B^{gt} Bgt的中心点, ρ ( ⋅ ) \rho(·) ρ()是欧几里德距离, c c c是包含 B B B B g t B^{gt} Bgt的最小闭包矩形的对角线长度。将 D I o U   l o s s DIoU\ loss DIoU loss函数定义为:
L D I o U = 1 − I o U + ρ 2 ( b , b g t ) c 2 L_{DIoU}=1-IoU+\frac{\rho^2(b,b^{gt})}{c^2} LDIoU=1IoU+c2ρ2(b,bgt)
在这里插入图片描述
通过定义这样的惩罚项,该惩罚项直接最小化预测框和Ground Truth的中心点之间的距离,而GIoU loss的惩罚项旨在减小 ∣ C − B ∪ B g t ∣ |C-B\cup B^{gt}| CBBgt的面积

与IoU和GIoU loss比较
DIoU loss继承了一些IoU和GIoU loss的性质

  1. DIOU在回归问题的规模上仍然具有不变性
  2. 与GIOU loss类似,当预测框与Ground Truth重叠时,DIOU loss可以为预测框提供移动方向
  3. 当两个Bounding boxes完美匹配时, L I o U = L G I o U = L D I o U = 0 L_{IoU}=L_{GIoU}=L_{DIoU}=0 LIoU=LGIoU=LDIoU=0,当两个boxes相距很远时, L G I o U = L D I o U → 2 L_{GIoU}=L_{DIoU}\to 2 LGIoU=LDIoU2

DIOU loss相比IOU和GIOU loss有几个优点

  1. DIOU loss可以直接最小化两个boxes的距离,因此收敛比GIOU loss更快
  2. 对于两个boxes有包含关系或有水平或垂直方向的情况,DIOU loss可以使回归更快,而GIOU loss几乎退化成IOU loss,即 ∣ C − B ∪ B g t ∣ → 0 |C-B\cup B^{gt}|\to 0 CBBgt0

Complete IoU Loss

作者认为,bounding box回归应该考虑三个重要的几何因素,即重叠区域、中心点距离和纵横比。
IOU loss考虑了重叠区域,GIOU loss大量依赖IOU loss。
提出的DIOU loss旨在同时考虑bounding box的重叠区域和中心点的距离,然而,bounding box纵横比的一致性也是重要的几何因子。
因此,基于DIOU loss,通过施加宽高比的一致性提出了CIOU loss
R C I o U = ρ 2 ( b , b g t ) c 2 + α v R_{CIoU}=\frac{\rho^2(b,b^{gt})}{c^2}+\alpha v RCIoU=c2ρ2(b,bgt)+αv
其中 α \alpha α是一个大于零的权重系数,并且 v v v度量宽高比的一致性

v = 4 π 2 ( a r c t a n w g t h g t − a r c t a n w h ) 2 v=\frac{4}{\pi^2}(arctan\frac{w^{gt}}{h^{gt}}-arctan\frac{w}{h})^2 v=π24(arctanhgtwgtarctanhw)2
a r c t a n arctan arctan函数将纵横比归一化到一个 ( − π 2 , π 2 ) (-\frac{\pi}{2},\frac{\pi}{2}) (2π,2π)的区间
4 π 2 \frac{4}{\pi^2} π24这个系数将 a r c t a n arctan arctan的区间再次归一化到 ( − 1 , 1 ) (-1,1) (1,1)的区间

CIOU loss定义为:
L C I o U = 1 − I o U + ρ 2 ( b , b g t ) c 2 + α v L_{CIoU}=1-IoU+\frac{\rho^2(b,b^{gt})}{c^2}+\alpha v LCIoU=1IoU+c2ρ2(b,bgt)+αv
权重系数 α \alpha α定义为:
α = v ( 1 − I o U ) + v \alpha =\frac{v}{(1-IoU)+v} α=(1IoU)+vv
α \alpha α的分母带有重叠区域因子 1 − I o U 1-IoU 1IoU,当预测框和Ground Truth未重叠时, 1 − I o U = 1 1-IoU=1 1IoU=1, α \alpha α较小,此时 L C I o U L_{CIoU} LCIoU主要负责优先拟合预测框和Ground Truth的中心点坐标以及重叠区域,当预测框和Ground Truth部分重叠时, 0 < 1 − I o U < 1 0<1-IoU<1 0<1IoU<1, α \alpha α较大, L C I o U L_{CIoU} LCIoU对预测框的纵横比调整加大;最后,当预测框和Ground Truth包围, 1 − I o U = 0 1-IoU=0 1IoU=0, α = 1 \alpha =1 α=1达到最大值, L C I o U L_{CIoU} LCIoU对预测框的纵横比调整达到最大。

假定 v v v 1 − I o U 1-IoU 1IoU变化时变化较小,可以忽略,则 L C I o U L_{CIoU} LCIoU在两框未重叠时对纵横比的拟合比重不大,在两框部分重叠时对纵横比的拟合加大力度,在两框包围时对纵横比的拟合达到最大力度。

在这里插入图片描述
由于 w 2 + h 2 w^2+h^2 w2+h2通常是一个很小的值因为 w w w h h h [ 0 , 1 ] [0,1] [0,1]取值,这大概率会产生梯度爆炸。
因此,作者在反向传播时,移除了 1 w 2 + h 2 \frac{1}{w^2+h^2} w2+h21这一项,代替为1,并且作者指出梯度方向和原梯度公式一致。

作者的实验

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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