鏈接 | https://mp.weixin.qq.com/s/6QsyYtEVjavoLfU_lQF1pw
作者 | ywsun
原文| https://zhuanlan.zhihu.com/p/57863810
如有興趣可以**點(diǎn)擊加入極市CV專業(yè)微信群**，獲取更多高質(zhì)量干貨

論文鏈接
https://arxiv.org/abs/1902.09630

1.Motivation
包圍框回歸是2D/3D 視覺任務(wù)中一個最基礎(chǔ)的模塊，不管是目標(biāo)檢測，目標(biāo)跟蹤，還是實(shí)例分割，都依賴于對bounding box進(jìn)行回歸，以獲得準(zhǔn)確的定位效果。目前基于深度學(xué)習(xí)的方法想獲得更好的檢測性能，要么是用更好的backbone，要么是設(shè)計更好的策略提取更好的feature,然而卻忽視了bounding box regression中L1、L2 loss這個可以提升的點(diǎn)。


IoU是目標(biāo)檢測中一個重要的概念，在anchor-based的方法中，他的作用不僅用來確定正樣本和負(fù)樣本，還可以用來評價輸出框（predict box）和ground-truth的距離，或者說predict box的準(zhǔn)確性。IoU有一個好的特性就是對尺度不敏感（scale invariant）。


在regression任務(wù)中，判斷predict box和gt的距離最直接的指標(biāo)就是IoU，但所采用的loss卻不適合，如圖所示，在loss相同的情況下，regression的效果卻大不相同，也就是說loss沒有體現(xiàn)出regression的效果，而IoU卻可以根據(jù)不同的情況得到不同的數(shù)值，能最直接反應(yīng)回歸效果。

2.Method
因此本文提出用IoU這個直接的指標(biāo)來指導(dǎo)回歸任務(wù)的學(xué)習(xí)。與其用一個代理的損失函數(shù)來監(jiān)督學(xué)習(xí)，不如直接用指標(biāo)本身來的好。此時損失函數(shù)為：

但直接用IoU作為損失函數(shù)會出現(xiàn)兩個問題：


如果兩個框沒有相交，根據(jù)定義，IoU=0，不能反映兩者的距離大小（重合度）。同時因?yàn)閘oss=0，沒有梯度回傳，無法進(jìn)行學(xué)習(xí)訓(xùn)練。


IoU無法精確的反映兩者的重合度大小。如下圖所示，三種情況IoU都相等，但看得出來他們的重合度是不一樣的，左邊的圖回歸的效果最好，右邊的最差。

針對IoU上述兩個缺點(diǎn)，本文提出一個新的指標(biāo)generalized IoU（GIoU）：

GIoU的定義很簡單，就是先計算兩個框的最小閉包區(qū)域面積，再計算IoU，再計算閉包區(qū)域中不屬于兩個框的區(qū)域占閉包區(qū)域的比重，最后用IoU減去這個比重得到GIoU。GIoU有如下4個特點(diǎn)：

• 與IoU相似，GIoU也是一種距離度量，作為損失函數(shù)的話，
  ,滿足損失函數(shù)的基本要求

• GIoU對scale不敏感

• GIoU是IoU的下界，在兩個框無線重合的情況下，IoU=GIoU

• IoU取值[0,1]，但GIoU有對稱區(qū)間，取值范圍[-1,1]。在兩者重合的時候取最大值1，在兩者無交集且無限遠(yuǎn)的時候取最小值-1，因此GIoU是一個非常好的距離度量指標(biāo)。

• 與IoU只關(guān)注重疊區(qū)域不同，GIoU不僅關(guān)注重疊區(qū)域，還關(guān)注其他的非重合區(qū)域，能更好的反映兩者的重合度。

其實(shí)GIoU不僅定義簡單，在2D目標(biāo)檢測中計算方式也很簡單，計算重合區(qū)域和IoU一樣，計算最小閉包區(qū)域只需要得到兩者max和min坐標(biāo)，坐標(biāo)圍城的矩形就是最小閉包區(qū)域。

GIoU和IoU作為loss的算法如下所示： 
步驟：

• 分別計算gt和predict box的面積

• 計算intersection的面積

• 計算最小閉包區(qū)域面積

• 計算IoU和GIoU

• 根據(jù)公式得到loss

3.Experiments
GIoU loss可以替換掉大多數(shù)目標(biāo)檢測算法中bounding box regression，本文選取了Faster R-CNN、Mask R-CNN和YOLO v3 三個方法驗(yàn)證GIoU loss的效果。實(shí)驗(yàn)在Pascal VOC和MS COCO數(shù)據(jù)集上進(jìn)行。

實(shí)驗(yàn)效果如下：

可以看出YOLOv3在COCO上有明顯漲點(diǎn)，但在其他模型下漲點(diǎn)并不明顯，作者也指出了faster rcnn和mask rcnn效果不明顯的原因是anchor很密，GIoU發(fā)揮作用的情況并不多。

總體來說，文章的motivation比較好，指出用L1、L2作為regression損失函數(shù)的缺點(diǎn)，以及用直接指標(biāo)IoU作為損失函數(shù)的缺陷性，提出新的metric來代替L1、L2損失函數(shù)，從而提升regression效果，想法簡單粗暴，但work的場景有很大局限性。

**相關(guān)文章**
https://blog.csdn.net/Extremevision/article/details/86681531 https://blog.csdn.net/Extremevision/article/details/87937468 與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的CVPR2019 | 目标检测新文：Generalized Intersection over Union的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。