IOU loss詳解

轉載自：https://www.jianshu.com/p/e3bf67cd4459

IoU損失

DenseBox   DenseBox是全卷積網絡，網絡的輸出大小爲(；輸出feature map上的點確定一個檢測框的樣本，包含樣本的信息度和該點到bounding box四邊的距離。
Unitbox   相對於DenseBox，Unitbox使用IoU損失替代傳統的定位L2損失。

IoU 損失示意圖

IoU損失的前向傳播

IoU損失前向傳播僞代碼

本質上是對IoU的交叉熵損失，即將IoU視爲伯努利分佈的隨機採樣，並且，於是可以簡化爲：

IoU損失的反向傳播

以爲例，IoU損失的反向傳播

其中：


同理，可以推導其他三個變量的求導過程。

從上述推導，可知：

1. 損失函數和成正比，因此預測的面積越大，損失越多；
2. 同時損失函數和成反比，因此我們希望交集儘可能大；
3. 由1，2可知當bounding box等於ground truth時檢測效果最好。

因此，優化IoU損失是正向促進物體檢測精度的。

總結

IoU損失的優點總結如下：

• IoU損失將位置信息作爲一個整體進行訓練，而L2損失卻把它們當作互相獨立的四個變量進行訓練，因此IoU損失能得到更爲準確的訓練效果；
• 輸入任意樣本，IoU的值均介於之間，這種自然的歸一化損失使模型具有更強的處理多尺度圖像的能力。