目标检测算法之CVPR2019 GIoU Loss

前言

上周介绍了Gaussian YOLOv3以及GHM Loss，这周我们来看看斯坦福大学和澳大利亚阿德莱德大学在CVPR2019发表的《Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression》，论文的核心就是提出了一个新的Loss，叫做GIOU Loss，论文原文地址见附录。

背景

前面介绍了很多Anchor-Based的目标检测算法，它们的Loss普遍使用bbox和ground truth bbox的L1范数，L2范数来计算位置回归Loss。但在评测的时候却使用IOU(交并比)去判断是否检测到目标。显然这两者并不是完全等价的，论文中举了Figure 1作为例子：

图中第一行，所有目标的L1 Loss都一样，但是第三个的IOU显然是要大于第一个，并且第3个的检测结果似乎也是好于第一个的。第二行类似，所有目标的L1 Loss也都一样，但IOU却存在差异。因此使用bbox和ground truth bbox的L1范数，L2范数来计算位置回归Loss以及在评测的时候却使用IOU(交并比)去判断是否检测到目标是有一个界限的，这两者并不等价。因此，一种直观的想法就是直接将IOU作为Loss来优化任务，但这存在两个问题：

• 预测框bbox和ground truth bbox如果没有重叠，IOU就始终为0并且无法优化。也就是说损失函数失去了可导的性质。
• IOU无法分辨不同方式的对齐，例如方向不一致等，如下图所示，可以看到三种方式拥有相同的IOU值，但空间却完全不同。

GIoU

因此为了解决上面两个问题，这篇论文提出了GIOU。GIOU指的是假设现在有两个任意的bbox A和B，我们要找到一个最小的封闭形状C，让C可以将A和B包围在里面，然后我们计算C中没有覆盖A和B的面积占C总面积的比例，然后用A和B的IOU值减去这个比值，具体过程用下面的算法1来表示：

GIoU相比于IoU有如下性质：

• 和IoU类似，GIoU也可以作为一个距离，然后损失可以用下面的公式来计算：
• 和原始的IoU类似，GIoU对物体的尺度大小不敏感(因为比值的原因)，并且，而，所以，当预测bbox A和ground truth bbox B完全重合时。
• 由于GIoU引入了包含A，B两个框的C，所以当A，B不重合时也同样可以计算。

GIoU Loss

针对二维图像的目标检测，具体如何计算GIoU Loss呢？假设现在预测的bbox和ground truth bbox的坐标分别表示为：

其中，，。然后计算Loss的具体过程可以表示为：

实验

论文给出了一些实验结果，（针对分割任务和分类任务有一定 loss 的调整设计，不过论文中没有详细给出）结果是 IoU loss 可以轻微提升使用 MSE 作为 loss 的表现，而 GIoU 的提升幅度更大，这个结论在 YOLO 算法和 faster R-CNN 系列上都是成立的。具体的实验结果如下所示：

使用YOLOv3在PASCAL VOC 2007上的测试结果。AP值大概涨了近2个百分点。

使用YOLOv3在MS COCO上测试，关注分类损失和准确率（平均IoU值），可以看到GIoU loss提升了准确率。

使用Faster-RCNN在PASCAL VOC 2007上的测试结果，坐标回归损失使用的L1损失。AP值大概涨了1个百分点。

使用Mask-RCNN在MS COCO 2018上的测试结果，坐标回归损失使用的L1损失。AP值大概涨了小于1个百分点。

附录

论文原文：https://arxiv.org/abs/1902.09630

开源代码：https://github.com/generalized-iou/g-darknet

AlexAB版本Darknet支持了GIOU Loss：https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov3.coco-giou-12.cfg

参考文章：https://zhuanlan.zhihu.com/p/63389116

结论

这篇论文用IOU作文章提出了GIoU Loss，最终YOLO V3涨了2个点，Faster RCNN，MaskRCNN这种涨点少了些。我猜测原因在于Faster RCNN，MaskRCNN本身的Anchor很多，出现完全无重合的情况比较少，这样GIOU和IOU Loss就无明显差别，所以提升不是太明显。