《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 $C$ 是 $B$ 和 $B^{gt}$ 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。

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 $|C-B\cup B^{gt}|$ ，但是 $|C-B\cup B^{gt}|$ 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：
$L = 1-IoU+R(B,B^{gt})$
其中 $R(B,B^{gt})$ 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：
$R_{DIoU}=\frac{\rho^2(b,b^{gt})}{c^2}$
其中 $b$ 和 $b^{gt}$ 表示 $B$ 和 $B^{gt}$ 的中心点， $\rho(·)$ 是欧几里德距离， $c$ 是包含 $B$ 和 $B^{gt}$ 的最小闭包矩形的对角线长度。将 $DIoU\ loss$ 函数定义为：
$L_{DIoU}=1-IoU+\frac{\rho^2(b,b^{gt})}{c^2}$
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 $|C-B\cup B^{gt}|$ 的面积

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

DIOU在回归问题的规模上仍然具有不变性
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
当两个Bounding boxes完美匹配时， $L_{IoU}=L_{GIoU}=L_{DIoU}=0$ ，当两个boxes相距很远时， $L_{GIoU}=L_{DIoU}\to 2$

DIOU loss相比IOU和GIOU loss有几个优点

DIOU loss可以直接最小化两个boxes的距离，因此收敛比GIOU loss更快
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 $|C-B\cup B^{gt}|\to 0$

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
$R_{CIoU}=\frac{\rho^2(b,b^{gt})}{c^2}+\alpha v$
其中 $\alpha$ 是一个大于零的权重系数，并且 $v$ 度量宽高比的一致性

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

CIOU loss定义为：
$L_{CIoU}=1-IoU+\frac{\rho^2(b,b^{gt})}{c^2}+\alpha v$
权重系数 $\alpha$ 定义为：
$\alpha =\frac{v}{(1-IoU)+v}$
$\alpha$ 的分母带有重叠区域因子 $1 - I o U$ ，当预测框和Ground Truth未重叠时， $1 - I o U = 1$ , $\alpha$ 较小，此时 $L_{CIoU}$ 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， $0 < 1 - I o U < 1$ , $\alpha$ 较大， $L_{CIoU}$ 对预测框的纵横比调整加大；最后，当预测框和Ground Truth包围， $1 - I o U = 0$ , $\alpha =1$ 达到最大值， $L_{CIoU}$ 对预测框的纵横比调整达到最大。