目标检测Loss 比较

1.L1 vs L2 vs Smooth L1

对比: https://www.jianshu.com/p/19483787fa24.

从梯度方面分析：

smooth L1 loss能从两个方面限制梯度：

当预测框与 ground truth 差别过大时，梯度值不至于过大；
当预测框与 ground truth 差别很小时，梯度值足够小。

使用：

faster rcnn、ssd

缺点

在nms或者计算AP的时候对检测框采用的是Iou的标准，因此SmoothL1和评价标准的关联性不是很大，具有相同SmoothL1 值的一对框可能具有不同的Iou。

2.GIou vs Iou vs CIou vs DIou

对比: https://blog.csdn.net/weixin_41803339/article/details/106372080.

1.Iou loss
Iou的就是交并比，预测框和真实框相交区域面积和合并区域面积的比值

缺点：
当预测框和真实框不相交时Iou值为0，导致很大范围内损失函数没有梯度。

2.Giou loss
Giou Loss先计算闭包区域（闭包区域是包含预测框和检测框的最小区域），再计算闭包区域中不属于两个框区域占闭包区域的比重，最后用Iou减去这个比重。

缺点：
如下图所示，当预测框被真实框包含，或者真实框被预测框包含，则闭包区域和相并区域一样，因此Giou退化为Iou，未能反映出包含的各种方式，

3.Diou loss
Iou和Giou进行对比：(1)认为Iou和Giou收敛速度较慢，因此需要更多的迭代步数。（2）特殊情况下（互相包含），Iou和Giou错误率依旧很高

式中：b和b(gt)分别表示预测框和真实框的中心点，然后计算欧式距离的平方。c表示预测框和真实框的最小闭包区域的对角线长度。

4.Ciou loss
Ciou在Diou的基础上进行改进，认为Diou只考虑了中心点距离和重叠面积，但是没有考虑到长宽比。
缺点：
当预测框和真实框工中心时，Diou退化为Iou；共中心+共长宽比，Ciou退化为Iou.