（五）比赛中的CV算法（下4）损失函数的改进（2）

--NeoZng【neozng1@hnu.edu.cn】

• IOU loss family

  在之前训练bbox regression分支的时候，我们只利用了回归得到的角点与GT角点坐标差的模值（若是利用中心点和长宽也类似，用MAE、RMSE、Smooth L1等LF），仔细思考一下就会发现这存在一些问题：实际评价检测效果的时候使用的指标是IOU，但显然我们loss的设计目标和评价指标不等价，多个检测框可能有相同的Loss但IOU的差异可以特别大，为了解决这个问题IOU loss就自然而然诞生了。

​

截取自论文原文，这里对比了L2 loss 和IoU loss

IOU loss用IOU来评价bbox回归的好坏，这样就统一了评价指标和训练指标，同时还让bbox regression拥有了尺度不变性（原来的距离loss对于不同大小的样本不具有这个特性！）。

欸那有人肯定又会说了，即使IOU相同，回归效果的好坏也会有差啊，不信你看这个：

​

以上三种情况虽然predict和GT的IOU相同，但是他们的回归效果肯定不同

​

而且在刚开始训练的时候，万一预测的框离GT很远，根本没有产生交集那IOU不就一直是