YOLOv5损失函数（白勇课件）

YOLOv5损失函数

总损失各项前可加入系数权重

边界框回归：寻找边界框位置、大小，作为计算机视觉最重要组件，之前一直使用L1\L2
IoU损失
ground truth box 在数据上真实标注的框
predicted bound box 预测框
IoU（计算两筐重叠度）= 两筐相交部分 / 两筐相并部分
IoU存在问题
GIoU改进
增加C框（可以正好包围A、B的最小框）
=IoU - | C框 除去 A和B的剩余部分| / |C| (计算的为面积）
相应Loss：
Liou = 1 - IoU
Lgiou = 1- GIou
DIoU
两筐中心点距离设为d，包围两筐的对角线为c

绿色为标记框，红色为预测框，基于不同loss的值大小。DIoU可以更好地区分不同情况。
关于收敛情况，上三为GIoU,下三为DIoU
可以发现DIoU在相同情况下所需步数更少。

CIoU
在DIoU基础上又加入一项（比较两筐宽高比的吻合度）

对于CIoU的优化，h、w都会归一化到[0,1]之间，当分母较小会导致梯度爆炸，为了避免替换为1
不同Loss回归误差图，DIoU波动不是很剧烈，IoU和GIoU波动较大
不同Loss实时结果比较，CIoU最为准确