YOLO目标检测创新改进与实战案例专栏
专栏目录： YOLO有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例
专栏链接: YOLO基础解析+创新改进+实战案例
摘要
边界框回归（BBR）在目标检测和实例分割中被广泛使用，这是目标定位中的一个重要步骤。然而，大多数现有的边界框回归损失函数在预测框与真实框的宽高比相同，但宽度和高度值完全不同时，无法被优化。为了解决上述问题，我们充分探索了水平矩形的几何特征，并提出了一种基于最小点距离的新颖边界框相似度比较度量MPDIoU，该度量包含了现有损失函数中考虑的所有相关因素，即重叠或非重叠区域、中心点距离以及宽度和高度的偏差，同时简化了计算过程。在此基础上，我们提出了一种基于MPDIoU的边界框回归损失函数，称为LMPDIoU。实验结果表明，将MPDIoU损失函数应用于最先进的实例分割（例如，YOLACT）和目标检测（例如，YOLOv7）模型，并在PASCAL VOC、MS COCO和IIIT5k数据集上进行训练，其性能超过了现有的损失函数。
创新点
MPDIoU (Minimum Point Distance Intersection over Union) 是一个创新的边界框损失回归函数，针对目标检测、实例分割等计算机视觉任务。它的主要创新点包括：
基于最小点距离的新指标： MPDIoU 是一个新型的边界框相似性比较指标，专注于最小化预测边界框与真实边界框之间的左上和右下点的距离。这种方法在处理预测框和真实框具有相同纵横比但不同宽度和高度值的情况时，比传统的IoU及其变体（如GIoU, DIoU, CIoU, EIoU）更为有效。
全面的损失考虑： MPDIoU包含现有损失函数中的所有相关因素，例如重叠或不重叠区域、中心点距离、宽度和高度偏差。这种全面性使得MPDIoU在多种边界框回归场景中都有很好的表现。
简化的计算过程： 与传统损失函数相比，MPDIoU简化了计算过程，减少了复杂度，同时保持了高效率和准确性。
改进的回归效率和精度： 在不同的实验设置中（例如在YOLACT和YOLOv7上），MPDIoU损失函数表现出更好的性能，尤其是在收敛速度和回归结果的准确性方面。
广泛适用性： MPDIoU不仅适用于标准的2D目标检测和实例分割任务，也为未来在非轴对齐的3D情况中的应用提供了可能。
yolov8 引入MPDIoU
class WIoU_Scale:
'''
WIoU_Scale 类：用于计算加权 IoU（WIoU）。不同的 monotonous 值决定了不同的计算版本。
- 当 monotonous = None 时，使用 v1 版本
- 当 monotonous = True 时，使用 v2 版本
- 当 monotonous = False 时，使用 v3 版本
'''
# IoU 的均值，初始设置为 1.0
iou_mean = 1.
# monotonous 的初始值设为 False
monotonous = False
# 动量系数，用于平滑 IoU 均值的更新
_momentum = 1 - 0.5 ** (1 / 7000)
# 标记是否为训练模式
_is_train = True
def __init__(self, iou):
self.iou = iou # 初始化时传入 IoU 值
self._update(self) # 更新 IoU 均值
@classmethod
def _update(cls, self):
# 如果是训练模式，更新 IoU 的均值
if cls._is_train:
cls.iou_mean = (1 - cls._momentum) * cls.iou_mean + \
cls._momentum * self.iou.detach().mean().item()
@classmethod
def _scaled_loss(cls, self, gamma=1.9, delta=3):
# 根据 monotonous 的值调整损失计算方式
if isinstance(self.monotonous, bool):
if self.monotonous:
# v2 版本的损失计算
return (self.iou.detach() / self.iou_mean).sqrt()
else:
# v3 版本的损失计算
beta = self.iou.detach() / self.iou_mean
alpha = delta * torch.pow(gamma, beta - delta)
return beta / alpha
return 1
def bbox_iou(box1, box2, xywh=True,
GIoU=False,
DIoU=False,
CIoU=False,
SIoU=False,
EIoU=False,
Focal=False,
WIoU=False,
MPDIoU=False,
scale=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
if scale:
self = WIoU_Scale(1 - (inter / union))
# 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 or WIoU or MPDIoU:
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 or WIoU or MPDIoU: # 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))
if Focal:
return iou - (rho2 / c2 + torch.pow(v * alpha_ciou + eps, alpha)), torch.pow(inter / (union + eps),
gamma) # Focal_CIoU
else:
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 WIoU:
if scale:
return getattr(WIoU_Scale, '_scaled_loss')(self), (1 - iou) * torch.exp(
(rho2 / c2)), iou # WIoU https://arxiv.org/abs/2301.10051
else:
return iou, torch.exp((rho2 / c2)) # WIoU v1
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)
if Focal:
return iou - torch.pow(0.5 * (distance_cost + shape_cost) + eps, alpha), torch.pow(
inter / (union + eps), gamma) # Focal_SIou
else:
return iou - torch.pow(0.5 * (distance_cost + shape_cost) + eps, alpha) # SIou
elif MPDIoU:
cw2 = torch.pow(cw ** 2 + eps, alpha)
ch2 = torch.pow(ch ** 2 + eps, alpha)
d12 = ((b2_x1 - b1_x1) - (b2_y1 - b1_y1)) ** 2
d22 = ((b2_x2 - b1_x2) - (b2_y2 - b1_y2)) ** 2
return iou - ((d12+d22)/(cw2+ ch2))
if Focal:
return iou - rho2 / c2, torch.pow(inter / (union + eps), gamma) # Focal_DIoU
else:
return iou - rho2 / c2 # DIoU
c_area = cw * ch + eps # convex area
if Focal:
return iou - torch.pow((c_area - union) / c_area + eps, alpha), torch.pow(inter / (union + eps),
gamma) # Focal_GIoU https://arxiv.org/pdf/1902.09630.pdf
else:
return iou - torch.pow((c_area - union) / c_area + eps, alpha) # GIoU https://arxiv.org/pdf/1902.09630.pdf
if Focal:
return iou, torch.pow(inter / (union + eps), gamma) # Focal_IoU
else:
return iou # IoU
task与yaml配置
详见：https://blog.csdn.net/shangyanaf/article/details/135948703
