内容简介：作者 | VincentLee编辑 | Camel
作者 | VincentLee
编辑 | Camel
本文来源于微信公众号： 晓飞的算法工程笔记
本文对发表于 AAAI 2020 的论文《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》进行解读。
论文地址：https://arxiv.org/abs/1911.08287
代码地址：https://github.com/Zzh-tju/DIoU
论文提出了IoU-based的DIoU loss和CIoU loss，以及建议使用DIoU-NMS替换经典的NMS方法，充分地利用IoU的特性进行优化。 并且方法能够简单地迁移到现有的算法中带来性能的提升，实验在YOLOv3上提升了5.91mAP，值得学习。
一、简介
1、IoU
IoU是目标检测里面很重要的一个指标，通过预测的框和GT间的交集与并集的比例进行计算，经常用于评价bbox的优劣 。 但一般对bbox的精调都采用L2范数，而一些研究表明这不是最优化IoU的方法，因此出现了IoU loss。
2、IoU loss
IoU loss顾名思义就是直接通过IoU计算梯度进行回归，论文提到IoU loss的无法避免的缺点： 当两个box无交集时，IoU=0，很近的无交集框和很远的无交集框的输出一样，这样就失去了梯度方向，无法优化。 IoU loss的实现形式有很多种，除公式2外，还有UnitBox的交叉熵形式和IoUNet的Smooth-L1形式。
这里论文主要讨论的类似YOLO的检测网络，按照GT是否在cell判断当前bbox是否需要回归，所以可能存在无交集的情况。 而一般的two stage网络，在bbox regress的时候都会卡 ，不会对无交集的框进行回归。
3、GIoU loss
GIou loss在IoU loss的基础上增加一个惩罚项， 为包围预测框 和 的最小区域大小，当bbox的距离越大时，惩罚项将越大。
尽管GIoU解决了IoU的梯度问题，但他仍然存在几个限制：
图 1、边界框回归步骤GIoU损失(第一行)和DIoU损失(第二行)。 绿色和黑色分别表示target框和anchor框。 蓝色和红色分别表示GIoU损失和DIoU损失的预测框。 GIoU损失一般会增加预测框的大小，使其与target框重叠，而DIoU损失则直接使中心点的归一化距离最小化。
如图1所示，在训练过程中，GIoU倾向于先增大bbox的大小来增大与GT的交集，然后通过公式3的IoU项引导最大化bbox的重叠区域。
图 2、在这种情况下，GIoU的loss会退化为IoU的loss，而DIoU的loss仍然可以区分。 绿色和红色分别表示目标框和预测框。
如图2中的包含情况，GIoU会退化成IoU。
由于很大程度依赖IoU项，GIoU需要更多的迭代次数来收敛，特别是水平和垂直的bbox（后面会分析）。 一般地，GIoU loss不能很好地收敛SOTA算法，反而造成不好的结果。
4、DIoU
综合上面的分析，论文提出Distance-IoU(DIoU) loss，简单地在IoU loss基础上添加一个惩罚项，该惩罚项用于最小化两个bbox的中心点距离。 如图1所示，DIoU收敛速度和效果都很好，而且DIoU能够用于NMS的计算中，不仅考虑了重叠区域，还考虑了中心点距离。 另外，论文考虑bbox的三要素，重叠区域，中心点距离和长宽比，进一步提出了Complete IoU(CIoU) loss，收敛更快，效果更好。
二、对 IoU Loss 和GIoU Loss 的分析
为了全面地分析IoU loss和GIoU的性能，论文进行了模拟实验，模拟不同的距离、尺寸和长宽比的bbox的回归情况。
1、Simulation Experiment
图 3、 Simulation Experiment
如图3所示，实验选择7个不同长宽比(1:4, 1:3, 1:2, 1:1, 2:1, 3:1, 4:1)的单元box(area=1)作为GT，单元框的中心点固定在(7, 7)，而实验共包含5000 x 7 x 7个bbox，且分布是均匀的：
-
Distance： 在中心点半径3的范围内均匀分布5000中心点，每个点带上7种scales和7种长宽比；
-
Scale： 每个中心点的尺寸分别为0.5, 0.67, 0.75, 1, 1.33, 1.5, 2 ；
-
Aspect ratio： 每个中心点的长宽比为1:4, 1:3, 1:2, 1:1, 2:1, 3:1, 4:1。
给定一个loss函数 ，可以通过梯度下降来模拟bbox优化的过程。 对于预测的bbox ， 为 阶段的结果， 为 对 的梯度，使用 来加速收敛。 bbox的优化评价使用 -norm，共训练200轮，error曲线如图3b所示
2、Limitations of IoU and GIoU Losses
图 4
论文将5000个中心点上的bbox在最后阶段的total error进行了可视化。 IoU loss只对与target box有交集的bbox有效，因为无交集的bbox的 为0。 而GIoU由于增加了惩罚函数，盆地区域明显增大，但是垂直和水平的区域依然保持着高错误率，这是由于GIoU的惩罚项经常很小甚至为0，导致训练需要更多的迭代来收敛。
三、方法
一般而言，IoU-based loss可以定义为公式5， 是预测box 和 的惩罚项。
1、Distance-IoU Loss
论文提出了能减少两个box中心点间的距离的惩罚项， 和 分别表示 和 的中心点。 是欧氏距离， 是最小包围两个bbox的框的对角线长度。
DIoU loss的完全定义如公式7。
图 5
DIoU loss的惩罚项能够直接最小化中心点间的距离，而GIoU loss意在减少外界包围框的面积 DIoU loss保留了IoU loss和GIoU loss的一些属性：
-
DIoU loss依然是尺寸无关的，不会大尺寸产生大的loss，小尺寸产生小的loss那样；
-
类似于GIoU loss，DIoU loss能够为无交集的bbox提供梯度方向；
-
当bbox完全重合时， ，当bbox很远时，
在模拟实验中，发现DIoU loss也有一些独有的属性：
-
如图1和图3所示，DIoU loss能够直接最小化bbox的中心点距离。 因此，他的收敛很快；
-
在包含的情况下，或垂直和水平的情况下，DIoU loss的收敛非常快，而GIoU loss则几乎退化成了IoU loss。
2、Complete IoU loss
论文考虑到bbox回归三要素中的长宽比还没被考虑到计算中，因此，进一步在DIoU的基础上提出了CIoU。 其惩罚项如公式8，其中 是权重函数，而 用来度量长宽比的相似性。
完整的损失函数定义如公式10。
α 的定义如公式11，重叠区域能够控制权重的大小。
最后，CIoU loss的梯度类似于DIoU loss，但还要考虑 的梯度。 在长宽在 的情况下， 的值通常很小，会导致梯度爆炸，因此在实现时将 替换成1。
3、Non-Maximum Suppression using DIoU
在原始的NMS中，IoU指标用于抑制多余的检测框，但由于仅考虑了重叠区域，经常会造成错误的抑制，特别是在bbox包含的情况下。 因此，可以使用DIoU作为NMS的标准，不仅考虑重叠区域，还考虑了中心点距离。
其中 是分类置信度， 为NMS阈值， 为最高置信度的框。 DIoU-NMS倾向于中心点距离较远的box存在不同的对象，而且仅需改几行代码，DIoU-NMS就能够很简单地集成到目标检测算法中。
四、实验结果
1、YOLO v3 on PASCAL VOC
在YOLOv3上进行实验对比，DIoU loss和CIoU的效果都很显著，mAP分别提升3.29%和5.67%，而AP75则分别提升6.40%和8.43%，而使用DIoU-NMS则能进一步提升，幅度达到5.91%和9.88%。
2、SSD on PASCAL VOC
在SSD-FPN上进行实验对比，因为本身模型已经精度很好了，DIoU loss和CIoU的效果不是很显著，但仍有提升。 mAP分别提升0.59%和0.84%，而AP75则分别提升1.77%和2.59%，而使用DIoU-NMS则能进一步提升效果。
3、Faster R-CNN on MS COCO
在Faster R-CNN ResNet-50-FPN上，由于Faster R-CNN本身提供的bbox质量都比较高（即在图4的盆地），因此，GIoU的优化都很小，但此时DIoU和CIoU则表现了不错的优化效果。 注意到，CIoU在小物体上的性能都有所下降，可能由于长宽比对小物体的检测贡献不大，因为此时中心点比长宽比重要。
图 6
图6对GIoU和CIoU的结果进行了可视化，可以看到，在中大型物体检测上，CIoU的结果比GIoU要准确。
4、Discussion on DIoU-NMS
图 7
如图7所示，DIoU-NMS能够更好地引导bbox的消除。
图 8
为了进一步验证DIoU-NMS的效果，进行了对比实验。 如图8所示，DIoU-NMS的整体性能都比原生的NMS效果要好。
五、总结
论文提出了两种新的IoU-based损失函数，DIoU loss和CIoU loss： DIoU loss最小化bbox间的中心点距离，从而使得函数快速收敛； CIoU loss则在DIoU loss的基础上加入长宽比的考量，能够进一步地快速收敛和提升性能。 另外论文提出DIoU-NMS来代替原生的NMS，充分地利用IoU的特性进行优化，从实验结果来看，效果也是很好的。
AAAI 2020 报道：
AAAI 2020 论文集：
AAAI 2020 论文解读系列：
01. [中科院自动化所] 通过识别和翻译交互打造更优的语音翻译模型
02. [中科院自动化所] 全新视角，探究「目标检测」与「实例分割」的互惠关系
03. [北理工] 新角度看双线性池化，冗余、突发性问题本质源于哪里？
05. [腾讯 AI Lab] 2100场王者荣耀，1v1胜率99.8%，腾讯绝悟 AI 技术解读
06. [复旦大学] 多任务学习，如何设计一个更好的参数共享机制？
07. [清华大学] 话到嘴边却忘了？这个模型能帮你 | 多通道反向词典模型
09. [清华大学] 借助BabelNet构建多语言义原知识库
10. [微软亚研] 沟壑易填：端到端语音翻译中预训练和微调的衔接方法
11. [微软亚研] 时间可以是二维的吗？基于二维时间图的视频内容片段检测
13. [中科院自动化所] 通过解纠缠 模型探测语义和语法的大脑表征机制
14. [中科院自动化所] 多模态基准指导的生成式多模态自动文摘
16. [UCSB 王威廉组] 零样本学习，来扩充知识图谱（视频解读）
18. [奥卢大学] 基于 NAS 的 GCN 网络设计（视频解读）
19. [中科大] 智能教育系统中的神经认知诊断，从数据中学习交互函数
21. [清华大学] 全新模型，对话生成更流畅、更具个性化（视频解读，附PPT）
24. [计算所] 引入评估模块，提升机器翻译流畅度和忠实度（已开源）
25. [北大&上交大] 姿态辅助下的多相机协作实现主动目标追踪
26. [快手] 重新审视图像美学评估 & 寻找精彩片段聚焦点
27. [计算所&微信AI] 改进训练目标，提升非自回归模型翻译质量（已开源）
28. [中科院&云从科技]： 双视图分类，利用多个弱标签提高分类性能
30. [东北大学] 基于联合表示的神经机器翻译（视频解读）
31. [计算所]引入评估模块，提升机器翻译流畅度和忠实度（视频解读）
32. [清华大学]用于少次关系学习的神经网络雪球机制（视频解读）
33. [计算所]非自回归机器翻译，基于n元组的训练目标（视频解读）
34. [清华大学] 司法考试数据集（视频解读，附下载链接）
36. [自动化所] 稀疏二值神经网络，不需要任何技巧，取得SOTA精度（视频解读）
37. [华科&阿里] 从边界到文本—一种任意形状文本的检测方法
38. [ 上交大&云从科技 ] DCMN+ 模型：破解「阅读理解」难题，获全球领先成绩
39. [ 自动化所&微信AI ] 双通道多步推理模型，更好解决视觉对话生成问题
40. [ETH Zurich] 反向R？ 削弱显著特征为细粒度分类带来提升
41. [中科大 ] RiskOracle: 一种时空细粒度交通事故预测方法
42. [华为] 短小时序，如何预测？ ——基于特征重构的张量ARIMA
43. [清华大学] 棋盘游戏做辅助，进行跳跃式标注（视频解读）
更多AAAI 2020信息，将在「AAAI 2020 交流群」中进行，加群方式：添加AI研习社顶会小助手（AIyanxishe2），备注「AAAI」，邀请入群。
点击“ 阅读 原文 ” 前往 AAAI 2020 专题页
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 怎样打开XML文件？xml文件如何打开?
- Android获取软键盘的高度、键盘的打开与关闭、监听键盘处于打开还是关闭状态
- php打开本地exe程序,js打开本地exe应用程序,并传递相关参数方法
- golang hijack打开方式
- 图片悬停“滑动打开”动画效果
- 网络编程——打开网络库
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
HTTP Essentials
Stephen A. Thomas、Stephen Thomas / Wiley / 2001-03-08 / USD 34.99
The first complete reference guide to the essential Web protocol As applications and services converge and Web technologies not only assume HTTP but require developers to manipulate it, it is be......一起来看看 《HTTP Essentials》 这本书的介绍吧!
