GIoU

 

 

作者 | ywsun

论文链接 | arxiv.org/abs/1902.0963

原文地址 | https://zhuanlan.zhihu.com/p/57863810

 

作者没有对网络结构进行改进，反而是从一个特殊的视角来考虑目标检测的改进点——使用基于IOU的度量来代替传统回归的损失。

作者的主要贡献是：

1.提出了IOU的通用版本——GIOU，作为比较两个任意形状的新指标；
2.提供了将GIOU作为二维坐标框对齐时的loss方案；
3.主要在Faster/Mask RCNN与YOLO v3上面进行试验，证明在two-stage与one-stage上面均表现很好。
 

Bounding box回归是2D/3D视觉任务总的基础模块。目标检测、实例分割等等 都需要bbox回归来获得较为准确地定位。目前来讲，想要获得更好的检测效果，要么使用重的backbone，要么设计更好的网络结构。但是这两种方案都忽略了bbox regression中基于IOU计算度量的L1/L2 loss。

 

IOU的作用：

在anchor机制中，IOU的作用：

（1）确定正负样本（0.5）；

（2）评价预测框和真实框之间的距离。

在回归的任务中，判断pre-bbox与gt-bbox离最直接的指标就是IOU，但是所采用的loss函数却不太适用：两个框的某一个角之间的距离是固定的，相同的L2-norm值相同，而其IOU值可以是完全不同的。

因此，一个好的局部优化解未必是IOU的局部优化解。如下图所示：

 

 

 

 IOU的优点：

对于1-IoU作为距离度量，优点：满足非负性；同一性；对称性；三角不等性，对尺度不敏感（scale-invariant）

 

 IOU的缺点：

使用IOU来指导回归任务的学习，IOU可以被反向传播。然而，将IOU作为损失有两个问题：

（1）无法衡量两框是相邻还是甚远：如果IOU=0，并不能反映出两个BBOX之间的距离（临近还是相离很远），梯度将为0，无法优化；

（2）无法反应相交方式：如果对齐方式不同，但是交叉区域相同的话，其IOU将完全相等

  针对上述IOU两点问题，作者提出改进方案：GIOU。

 

 

假设A为预测框，B为真实框，S是所有框的集合，不管A与B是否相交，C是包含A与B的最小框，C也属于S集合

 步骤：

　　（1）首先计算IoU，A与B的交并比

　　（2）再计算C框中没有A与B的面积，比上C框面积

       （3）IoU减去前面算出的比；得到GIoU

与IOU相似，GIOU也是一种距离度量；对尺度不敏感；GIOU是IOU的下界；GIOU=[-1,1]；GIOU不仅仅关注重叠区域，还关注其他的不重合区域。

 

GIoU的作用：

对于相交的IOU可以被反向传播，即它可以直接用作优化的目标函数。但是非相交的，梯度将会为0，无法优化。

使用GIOU可以避免该问题，将其作为损失函数，可直接优化LGIou函数。步骤下图：

 

实验：

作者将YOLO v3、Faster/Mask RCNN作为benchmarks来验证提出的方法，证明了不论是one-stage还是two-stage，GIOU对于检测效果都有提升。下图是在COCO数据集上的实验结果对比图：

 

 

 

YOLO v3涨幅比较明显，这是因为Faster/Mask RCNN中anchors很密集，GIOU发挥的作用的情况不多。