目标检测detr（目标检测损失函数（二）DIOU、CIOU、ALPHA IOU）
个人学习记录 ，如有错误请指出 ，感谢大家的指导建议 。
在前文中讨论了IOU与GIOU 。
目标检测中的损失函数（一） IOU,GIOU_黑野桥的博客-CSDN博客
对比起前二者 ，DIOU,CIOU和ALPHA IOU相对较为复杂 。本文的图例来自 B站UP主 自由时有船
常见面试问题4：损失函数DIOU 、CIOU 、阿尔法IOU_哔哩哔哩_bilibili
对比上面两幅图 ，在IOU和GIOU的背景下 ，如果两幅图的目标框和预测框的大小都是相同的 ，那么二者的计算结果也都是相同的 。但无论从感官上还是实际效果来看 ，第二幅图的检测结果都更加稳定且准确 。因此需要找到新的损失函数能够衡量这种情况 。
DIOU
其中 ，(a,b)表示a,b两点的距离 ，公式中所指为目标框的中心和预测框的中心 。c表示最小闭包对角线的长度 。DIOU加入了对预测框与目标框距离的优化 。
CIOU
那么如果两个检测框的中心都和目标框重合且IOU一样大时 ，该如何选取呢？
如上图所示 ，假设两个目标框和检测框的面积都相同 ，且中心都重合 ，此时IOU,DIOU,CIOU都无法区分 。但是从第一幅图的结果显然要比第二幅图要好 ，因为他的稳定性更强 。也就是说 ，在CIOU中 ，我们还会考虑长宽比 。
公式来自IoU 、GIoU 、DIOU 、CIOU损失函数 - 知乎
公式中 ，A,B代表两个框 ， 代表A和B的中心点 。所以CIOU的前两部分和DIOU是一致的（这里的LOSS就是1-CIOU） 。唯一增加的部分是后面的av ，这个就是对长宽比的考量 。
公式中的常数 来自原论文作者的经验考量 ，使用arctan的原因也是作者经过尝试得到效果不错的函数 。wgt和hgt是目标框的宽和高 。CIOU不仅能让预测框快速的接近目标框 ，还能让预测框的长宽比也快速接近目标框 。
ALPHA IOU
ALPHA IOU实际上是对前面所有IOU的一种加速收敛的改进 。
alpha iou就是给所有的项
都增加了一个alpha的指数 ，一般取alpha为3 ，可以增大梯度加速收敛
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！