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損失的前向傳播
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:
- 損失函數和成正比,因此預測的面積越大,損失越多;
- 同時損失函數和成反比,因此我們希望交集儘可能大;
- 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。