IOU系列：IOU、GIOU、DIOU、CIOU、SIOU、Alpha-IoU、WIOU详解

🚀 前言

目标检测任务的损失函数一般由目标分类损失函数（Object Classificition Loss）和边界框回归损失函数（Bounding Box Regeression Loss）两部分构成，当然在YOLO系列中，还引入了置信度损失（Object Confidence Loss）。本文主要对边界框回归损失函数（Bounding Box Regeression Loss）进行讨论。

🔥 若想尝试改进YOLOv5-7.0中的损失函数：

• YOLOv5改进实战（1）| 更换损失函数（一）之EIoU、Alpha-IoU、SIoU篇
• YOLOv5改进实战（2）| 更换损失函数（二）之WIOU（Wise IoU）篇
• YOLOv5改进实战（3）| 更换损失函数（三）之MPDIOU（2023最新IOU）篇

一、IOU（Intersection over Union）

ACM 2016 论文链接：UnitBox: An Advanced Object Detection Network

IOU（Intersection over Union）是一种用于衡量目标检测性能的评估指标。它主要用于计算两个边界框（Bounding Box）之间的重叠度，也就是所说的交并比。通常用于测量模型预测的边界框与真实边界框之间的匹配程度。

• IOU的计算方式如下：
  $$IoU=\frac{\left|A\cap B\right|}{\left|A\cup B\right|}$$

1.1 优点

• IOU能够直观地反映出目标检测结果与真实情况之间的匹配程度。
• IOU具有尺度不变性，由于IOU是基于重叠度量的，它不受目标尺度和形状变换的影响。这使得IOU适用于各种不同尺度和形状的目标检测任务。

1.2 缺点

• 当预测框和目标框不相交时，即IOU=0时，不能反映两个目标之间距离的远近，此时损失函数不可导，IOU Loss 无法优化。
• 当两个检测框大小相同，两个IOU也相同，IOU_Loss无法精确的反映两个框的重合度大小。

1.3 实现代码

def IOU(box1, box2, eps=1e-7):
    b1_x1, b1_y1, b1_x2, b1_y2 = box1
    b2_x1, b2_y1, b2_x2, b2_y2 = box2
    # 获取矩形框交集对应的左上角和右下角的坐标（intersection）
    xx1 = np.max([b1_x1, b2_x1])
    yy1 = np.max([b1_y1, b2_y1])
    xx2 = np.min([b1_x2, b2_x2])
    yy2 = np.min([b1_y2, b2_y2])
    # 计算两个矩形框面积
    area1 = (b1_x2 - b1_x1) * (b1_y2 - b1_y1)
    area2 = (b2_x2 - b2_x1) * (b2_y2 - b2_y1)
    inter = (np.max([0, xx2 - xx1])) * (np.max([0, yy2 - yy1]))  # 计算交集面积
    uniou = area1 + area2 - inter + eps
    iou = inter / uniou  # 计算交并比

    return iou

if __name__ == "__main__":
    box1 = np.array([0, 0, 100, 100])
    box2 = np.array([50, 0, 150, 100])
    print(IOU(box1, box2))

二、GIOU（Generalized IoU）

CVPR 2019 论文链接：Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression

GIOU通过引入预测框和真实框的最小外接矩形来获取预测框、真实框在闭包区域中的比重，从而解决了两个目标没有交集时梯度为零的问题。
$$GIoU=IoU-\frac{\left|C-\left(A\cup B\right)\right|}{\left|C\right|}$$
其中$C$是两个框的最小外接矩形的面积。

2.1 优点

• 与IoU只关注重叠区域不同，GIOU不仅关注重叠区域，还关注其他的非重合区域，能更好的反映两者的重合度；
• GIOU是一种IoU的下界，取值范围$[-1,1]$。在两者重合的时候取最大值1，在两者无交集且无限远的时候取最小值-1。因此，与IoU相比，GIoU是一个比较好的距离度量指标。

2.2 缺点

• 当两个预测框完全重叠时，这时GIOU就退化为IOU，无法区分相对位置关系；
• 对每个预测框与真实框均要去计算最小外接矩形，计算及收敛速度受到限制。

2.3 实现代码

• 详细代码请移步：代码区

三、DIOU（Distance-IoU）

AAAI 2020 论文链接：Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression

考虑到GIOU的缺点，DIOU在IoU的基础上直接回归两个框中心点的欧式距离，加速了收敛速度。DIOU的惩罚项是基于中心点的距离和对角线距离的比值。这样就避免了GIOU在两框距离较远时产生较大闭包时所造成的Loss值较大而难以优化的情况。
$$DIoU=IoU-\frac{{\rho }^2\left(b,b^{gt}\right)}{c^2}$$
其中 $b$，$b^{gt}$ 分别表示预测框和真实框的中心点，且 $\rho$ 表示两个中心点间的欧式距离。 $c$ 表示能够同时包含预测框和真实框的最小闭包区域的对角线距离。

3.1 优点

• DIOU在与目标框重叠时，仍然可以为边界框提供移动方向;
• DIOU可以直接最小化两个目标框的距离，因此比GIOU收敛快得多；
• DIOU还可以替换普通的IOU评价策略，应用于NMS中，使得NMS得到的结果更加合理和有效。

3.2 缺点

• DIOU仅考虑了重叠面积和中心点距离，并没有考虑到长宽比。

3.3 源代码

• 详细代码请移步：代码区

四、CIOU（Complete-IoU）

AAAI 2020(与DIOU同一篇文章) 论文链接：Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression

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CIOU在DIOU的基础上添加了长宽比的惩罚项，定义如下：
$$CIoU=IoU-\frac{{\rho }^2\left(b,b^{gt}\right)}{c^2}-\alpha \upsilon$$
$\upsilon$ 是用来衡量长宽比一致性的参数，$\upsilon$ 定义如下：
$$\upsilon =\frac{4}{{\pi }^2}{\left(\arctan \frac{{\omega }^{gt}}{h^{gt}}-\arctan \frac{\omega }{h}\right)}^2$$
$$\alpha =\frac{\upsilon }{\left(1-IoU\right)+\upsilon }$$

4.1 缺点

• 若预测框和gt框的长宽比相同但宽高的值不同，而长宽比的惩罚项却恒为0，会阻碍模型有效的优化。

4.2 实现代码

• 详细代码请移步：代码区

五、EIOU（Efficient-IoU）

arXiv 2021 论文链接：Focal and Efficient IOU Loss for Accurate Bounding Box Regression

EIOU是在 CIOU 的惩罚项基础上将预测框和真实框的纵横比的影响因子拆开，分别计算预测框和真实框的长和宽，并且加入Focal聚焦优质的锚框，来解决 CIOU 存在的问题。

EIoU损失函数公式如下：
$$\begin{array}{l}{L}_{EIOU}=L_{IOU}+L_{dis}+L_{asp}\\ =1-IOU+\frac{{\rho }^2\left(b,b^{gt}\right)}{c^2}+\frac{{\rho }^2\left(\omega ,{\omega }^{gt}\right)}{C_{\omega }^2}+\frac{{\rho }^2\left(h,h^{gt}\right)}{c_h^2}\end{array}$$
其中$C_{\omega }^2$ 和$C_h^2$分别是预测框和GT框最小外接矩形的宽和高。

5.1 Focal-EIOU

利用Focal Loss对EIOU进行加权处理：
$$L_{Focal-EIOU}=IO{U}^{\gamma }\ast L_{EIOU}$$
其中$\gamma$为控制异常值抑制程度的参数。该损失中的Focal与传统的Focal Loss有一定的区别，传统的Focal Loss针对越困难的样本损失越大，起到的是困难样本挖掘的作用；而根据上述公式：IOU越高的损失越大，相当于加权作用，给越好的回归目标一个越大的损失，有助于提高回归精度。

5.2 优点

• EIOU在CIOU的基础上分别计算宽高的差异值取代了纵横比，宽高损失直接使预测框与真实框的宽度和高度之差最小，使得收敛速度更快；
• 引入了Focal Loss优化了边界框回归任务中的样本不平衡问题，即减少与目标框重叠较少的大量锚框对BBox 回归的优化贡献，使回归过程专注于高质量锚框。

5.3 实现代码

• 详细代码请移步：代码区

六、Alpha-IOU

NeurIPS 2021 论文链接：Alpha-IoU: A Family of Power Intersection over Union Losses for Bounding Box Regression

基于IoU Loss推广到一个新的Power IoU系列 Loss，该系列具有一个Power IoU项和一个附加的Power正则项，具有单个Power参数$\alpha$。称这种新的损失系列为$\alpha$-IoU Loss。

⭐当$\alpha =1$时，则回归到原始各个Loss。

6.1 优点

• 通过调节Power参数$\alpha$，使检测器在实现不同水平的bbox回归精度方面具有更大的灵活性;
• 对小数据集和噪声的鲁棒性更强；
• ⭐通过实验发现，在大多数情况下，取$\alpha$=3 的效果最好（具体还是根据自身的数据集去调整，选择最优的阈值）。

6.2 实现代码

• 详细代码请移步：代码区

七、🔥 SIOU（SCYLLA-IoU）

论文链接：SIoU Loss: More Powerful Learning for Bounding Box Regression

SIOU损失函数是引入了所需回归之间的向量角度，重新定义了距离损失，有效降低了回归的自由度，从而加速网络的收敛，进一步提升回归的准确性。

7.1 SIOU Loss

SIOU损失函数由4个Cost函数组成：

• Angle cost
• Distance cost
• Shape cost
• IoU cost

1. Angle cost（角度损失）：如果 $\alpha \le \frac{\pi }{4}$ ，则收敛过程将首先最小化 $\alpha$，否则最小化 $\beta$。当中心点在x轴或y轴上对齐时，$\Lambda =0$；当中心点连接到x轴45°时，$\Lambda =1$。
   

$$\begin{array}{l}\Lambda =1-2\ast {\sin }^2\left(\arcsin \left(\frac{C_h}{\sigma }\right)-\frac{\pi }{4}\right)\\ =1-2\ast {\sin }^2\left(\alpha -\frac{\pi }{4}\right)\\ ={\cos }^2\left(\alpha -\frac{\pi }{4}\right)-{\sin }^2\left(\alpha -\frac{\pi }{4}\right)\\ =\cos \left(2\alpha -\frac{\pi }{2}\right)\\ =\sin \left(2\alpha \right)\end{array}$$

其中 $C_h$ 为真实框和预测框中心点的高度差，$\sigma$为真实框和预测框中心点的距离，$\arcsin (\frac{C_h}{\sigma })$ 等于角度 $\alpha$。
$$\frac{C_h}{\sigma }=\sin \left(\alpha \right)$$

2. Distance cost（距离损失）：当$\alpha$→0时，Distance cost的贡献大大降低。相反，$\alpha$越接近$\frac{\pi }{4}$，Distance cost贡献越大。随着角度的增大，问题变得越来越难。
   $$\Delta =\sum _{t=x,y}\left(1-e^{-\gamma \rho t}\right)$$
   其中，${\rho }_x={\left(\frac{b_{c_x}^{gt}-b_{c_x}}{c_w}\right)}^2$，${\rho }_y={\left(\frac{b_{c_y}^{gt}-b_{c_y}}{c_h}\right)}^2$，$\gamma =2-\Lambda$
   $\gamma$被赋予时间优先的距离值，随着角度的增加。
3. Shape cost（形状损失）：与CIOU类似，CIOU考虑是两框整体形状的收敛，而SIOU是以长、宽两个边收敛来实现整体形状的收敛。
   $$\Omega =\sum _{t=w,h}{\left(1-e^{-\omega t}\right)}^{\theta }$$
   $${\omega }_w=\frac{\left|w-w^{gt}\right|}{\max \left(w,w^{gt}\right)},{\omega }_h=\frac{\left|h-h^{gt}\right|}{\max \left(h,h^{gt}\right)}$$
4. IoU cost（IoU损失）：
   $$L_{box}=1-IoU+\frac{\Delta +\Omega }{2}$$

7.2 实现代码

• 详细代码请移步：代码区

八、🔥 WIoU（Wise-IoU）

2023 论文链接：Wise-IoU: Bounding Box Regression Loss with Dynamic Focusing Mechanism

⭐这是作者的论文解读：Wise-IoU 作者导读：基于动态非单调聚焦机制的边界框损失，非常详细，本文则不再进行叙述。

WIoU v1 构造了基于注意力的边界框损失，WIoU v2 和 v3 则是在此基础上通过构造梯度增益 (聚焦系数) 的计算方法来附加聚焦机制。

所涉及的聚焦机制有以下几种：

• 静态：当边界框的 IoU 为某一指定值时有最高的梯度增益，如 Focal EIoU v1
• 动态：享有最高梯度增益的边界框的条件处于动态变化中，如 WIoU v3
• 单调：梯度增益随损失值的增加而单调增加，如 Focal loss
• 非单调：梯度增益随损失值的增加呈非单调变化

⭐ 总结

	IOU	GIOU	DIOU	CIOU	EIOU	$\alpha$-IOU	SIOU	WIOU
优点	目标检测中最常用的指标，具有尺度不变性，满足非负性；同一性；对称性；三角不等性等特点	GIOU在基于IOU特性的基础上引入最小外接框，能更好的反映两者的重合度	DIOU在IoU的基础上直接回归两个框中心点的欧式距离，加速收敛	CIOU在DIOU的基础上增加了检测框尺度的Loss，增加了长宽比的Loss，使得目标框回归更加稳定	EIOU在CIOU的基础上分别计算宽高的差异值取代了纵横比，同时引入Focal Loss解决难易样本不平衡的问题	基于IoU Loss推广到一个新的Power IoU系列 Loss，通过调节$\alpha$，使检测器在实现不同水平的bbox回归精度方面具有更大的灵活性	SIOU是引入了所需回归之间的向量角度，重新定义了距离损失，有效降低了回归的自由度，加速网络的收敛，进一步提升回归的准确性	WIoU v1 构造了基于注意力的边界框损失，WIoU v2 和 v3 则是在此基础上通过构造梯度增益 (聚焦系数) 的计算方法来附加聚焦机制。
缺点	1.若两个框不相交，不能反映两个框距离远近 2.无法精确的反映两个框的重合度大小	1.当检测框和真实框出现重叠退化成IOU 2.两个框相交时，在水平和垂直方向上收敛慢	回归过程中未考虑Bounding box的纵横比，精确度上尚有进一步提升的空间	若预测框和gt框的长宽比是相同的，那么长宽比的惩罚项恒为0，会阻碍模型有效的优化	/	/	/	/

🔮 Code

本代码摘抄于YOLOv5官方7.0版本，并在其基础上添加了Alpha-IOU、EIOU、SIOU和WIOU(后续添加)损失函数。

def bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, SIoU=False, EIoU=False, Focal=False, alpha=1, gamma=0.5, eps=1e-7):
    # Returns Intersection over Union (IoU) of box1(1,4) to box2(n,4)

    # Get the coordinates of bounding boxes
    if xywh:  # transform from xywh to xyxy
        (x1, y1, w1, h1), (x2, y2, w2, h2) = box1.chunk(4, -1), box2.chunk(4, -1)
        w1_, h1_, w2_, h2_ = w1 / 2, h1 / 2, w2 / 2, h2 / 2
        b1_x1, b1_x2, b1_y1, b1_y2 = x1 - w1_, x1 + w1_, y1 - h1_, y1 + h1_
        b2_x1, b2_x2, b2_y1, b2_y2 = x2 - w2_, x2 + w2_, y2 - h2_, y2 + h2_
    else:  # x1, y1, x2, y2 = box1
        b1_x1, b1_y1, b1_x2, b1_y2 = box1.chunk(4, -1)
        b2_x1, b2_y1, b2_x2, b2_y2 = box2.chunk(4, -1)
        w1, h1 = b1_x2 - b1_x1, (b1_y2 - b1_y1).clamp(eps)
        w2, h2 = b2_x2 - b2_x1, (b2_y2 - b2_y1).clamp(eps)

    # Intersection area
    inter = (b1_x2.minimum(b2_x2) - b1_x1.maximum(b2_x1)).clamp(0) * \
            (b1_y2.minimum(b2_y2) - b1_y1.maximum(b2_y1)).clamp(0)

    # Union Area
    union = w1 * h1 + w2 * h2 - inter + eps

    # IoU
    # iou = inter / union # ori iou
    iou = torch.pow(inter/(union + eps), alpha) # alpha iou
    if CIoU or DIoU or GIoU or EIoU or SIoU:
        cw = b1_x2.maximum(b2_x2) - b1_x1.minimum(b2_x1)  # convex (smallest enclosing box) width
        ch = b1_y2.maximum(b2_y2) - b1_y1.minimum(b2_y1)  # convex height
        if CIoU or DIoU or EIoU or SIoU:  # Distance or Complete IoU https://arxiv.org/abs/1911.08287v1
            c2 = (cw ** 2 + ch ** 2) ** alpha + eps  # convex diagonal squared
            rho2 = (((b2_x1 + b2_x2 - b1_x1 - b1_x2) ** 2 + (b2_y1 + b2_y2 - b1_y1 - b1_y2) ** 2) / 4) ** alpha  # center dist ** 2
            if CIoU:  # https://github.com/Zzh-tju/DIoU-SSD-pytorch/blob/master/utils/box/box_utils.py#L47
                v = (4 / math.pi ** 2) * (torch.atan(w2 / h2) - torch.atan(w1 / h1)).pow(2)
                with torch.no_grad():
                    alpha_ciou = v / (v - iou + (1 + eps))
                return iou - (rho2 / c2 + torch.pow(v * alpha_ciou + eps, alpha))  # CIoU
            elif EIoU:
                rho_w2 = ((b2_x2 - b2_x1) - (b1_x2 - b1_x1)) ** 2
                rho_h2 = ((b2_y2 - b2_y1) - (b1_y2 - b1_y1)) ** 2
                cw2 = torch.pow(cw ** 2 + eps, alpha)
                ch2 = torch.pow(ch ** 2 + eps, alpha)
                if Focal:
                    return iou - (rho2 / c2 + rho_w2 / cw2 + rho_h2 / ch2), torch.pow(inter/(union + eps), gamma) # Focal_EIou
                else:
                    return iou - (rho2 / c2 + rho_w2 / cw2 + rho_h2 / ch2) # EIou
            elif SIoU:
                # SIoU Loss https://arxiv.org/pdf/2205.12740.pdf
                s_cw = (b2_x1 + b2_x2 - b1_x1 - b1_x2) * 0.5 + eps
                s_ch = (b2_y1 + b2_y2 - b1_y1 - b1_y2) * 0.5 + eps
                sigma = torch.pow(s_cw ** 2 + s_ch ** 2, 0.5)
                sin_alpha_1 = torch.abs(s_cw) / sigma
                sin_alpha_2 = torch.abs(s_ch) / sigma
                threshold = pow(2, 0.5) / 2
                sin_alpha = torch.where(sin_alpha_1 > threshold, sin_alpha_2, sin_alpha_1)
                angle_cost = torch.cos(torch.arcsin(sin_alpha) * 2 - math.pi / 2)
                rho_x = (s_cw / cw) ** 2
                rho_y = (s_ch / ch) ** 2
                gamma = angle_cost - 2
                distance_cost = 2 - torch.exp(gamma * rho_x) - torch.exp(gamma * rho_y)
                omiga_w = torch.abs(w1 - w2) / torch.max(w1, w2)
                omiga_h = torch.abs(h1 - h2) / torch.max(h1, h2)
                shape_cost = torch.pow(1 - torch.exp(-1 * omiga_w), 4) + torch.pow(1 - torch.exp(-1 * omiga_h), 4)
                return iou - torch.pow(0.5 * (distance_cost + shape_cost) + eps, alpha) # SIou
            return iou - rho2 / c2  # DIoU
        c_area = cw * ch + eps  # convex area
        return iou - torch.pow((c_area - union) / c_area + eps, alpha)  # GIoU https://arxiv.org/pdf/1902.09630.pdf

    return iou  # IoU