目标检测入门:3.目标检测损失函数(IOU、GIOU、GIOU)

目录

一、IOU

二、GIOU

三、DIOU

四、DIOU_Loss实战


在前面两章里面训练模型时,损失函数都是选择L1Loss(平均绝对值误差(MAE))损失函数,L1Loss损失函数公式如下:

{Loss}_{\text {MAE }}=\frac{1}{N} \sum_{n=1}^{N}|y(n)-\hat{y}(n)|

由公式可知,L1Loss损失函数是线性函数,其梯度是恒定的,即无论预测值与真实值之间的误差大小,其梯度都是常数(+1或-1)。虽然避免了梯度爆炸的问题,但在误差很小时,梯度仍然较大,不利于梯度在接近最优解时的精细调整。同时L1Loss并不直接优化我们最关心的目标——即预测框和真实框的之间的重叠程度。L1Loss通常是分别计算预测框和真实框各个坐标点之间的L1距离,这种方法假设了坐标点之间是相互独立的,没有考虑它们之间的相关性。

预测框与真实框损失

上图中的绿框代表真实框,黑框为模型的预测框,两个预测框的大小不一,与真实框之间的重叠面积也不一致,但得到的L1Loss损失值却是一样的。说明L1Loss损失不能准确反应两个目标边界框重合的程度,因此诞生了IOU损失函数。

一、IOU

论文原文:《UnitBox: An Advanced Object Detection Network》icon-default.png?t=N7T8http://arxiv.org/pdf/1608.01471

IOU(Intersection over Union)损失函数是目标检测中常用的一种损失韩式,主要用于评估预测边界框(Bounding Box)与真实框(Ground Truth Box)之间的重叠程度,并作为优化目标来指导模型训练。

IOU即交并比,适用于衡量两个边界框的之间的重叠程度的度量指标。其计算公式为:

IoU=\frac{|A\cap B|}{|A\cup B|}

即两个框的相交的面积除以两个框相并的面积。

L1Loss与IOU

如上图所示,第一个预测框与真实框的相交的面积为(25-5)*(15-5)=200,相并的面积为15*(25-5)+(35-5)*50-200=1600,最终IOU=200/1600=0.125。而第二个预测框的IOU则为0.319。相对于两个预测框计算L1损失的结果相同,可以看出IOU能直接反映出预测框与真实框之间的重叠程度。

IOU损失计算方式如下:

Iou Loss

简单代码实现如下:
 

import cv2
import numpy as npdef IOU(RecA, RecB):x1 = max(RecA[0], RecB[0])y1 = max(RecA[1], RecB[1])x2 = min(RecA[2], RecB[2])y2 = min(RecA[3], RecB[3])# 计算交集部分面积interArea = max(0, x2 - x1 + 1) * max(0, y2 - y1 + 1)# 计算预测值和真实值的面积RecA_Area = (RecA[2] - RecA[0] + 1) * (RecA[3] - RecA[1] + 1)RecB_Area = (RecB[2] - RecB[0] + 1) * (RecB[3] - RecB[1] + 1)#计算并集部分面积UnionArea=float(RecA_Area + RecB_Area - interArea)# 计算IOUiou = interArea / UnionAreareturn iouimg = np.zeros((512, 512, 3), np.uint8)
img.fill(255)RecA = [50, 50, 300, 300] #方框的左上角坐标和右上角坐标
RecB = [60, 60, 320, 320]cv2.rectangle(img, (RecA[0], RecA[1]), (RecA[2], RecA[3]), (0, 255, 0), 5)
cv2.rectangle(img, (RecB[0], RecB[1]), (RecB[2], RecB[3]), (255, 0, 0), 5)iou =IOU(RecA, RecB)
font = cv2.FONT_ITALIC#展示IOU结果
cv2.putText(img, "IOU = %.2f" % iou, (130, 190), font, 0.6, (0, 0, 0), 2)
cv2.putText(img, "IOU_Loss = %.2f" % (1-iou), (80, 350), font, 0.6, (0, 0, 0), 2)cv2.imshow("IOU",img )
cv2.waitKey()
cv2.destroyAllWindows()

IOU

最终结果如上图所示,IOU_Loss相对与L1Loss更能反映预测框与真实框之间的重叠程度。

如上图所示,IOU最大的缺点是当预测框与真实框不相交的时候,其IOU都为0,此时模型的梯度消失,导致无法进一步优化,各位可以试一下将IOU_Loss替换前两章小黄人目标检测任务中的L1_Loss,会发现模型无法收敛。

二、GIOU

原文论文:《Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression》icon-default.png?t=N7T8http://arxiv.org/pdf/1902.09630GIOU(Generalized Intersection over Union),即广义交并比,这是一种在目标检测领域中用来评估预测框与真实框之间重叠度的指标,传统IOU在两个框无重叠时无法反映他们之间的远近关系,在模型训练时会出现梯度消失的情况。为了解决这个问题,GIOU被提出。公式如下:

GIOU=IoU-\frac{|C-(A\cup B)|}{|C|}

GIOU引入了一个最小闭包区域(即能同事包含预测框与真实框的最小矩形框),如上图中的红框C,并引入了一个额外的惩罚项来反映两个框的远近程度。

代码实现如下:

import cv2
import numpy as npdef GIOU(RecA, RecB):x1 = max(RecA[0], RecB[0])y1 = max(RecA[1], RecB[1])x2 = min(RecA[2], RecB[2])y2 = min(RecA[3], RecB[3])# 计算交集部分面积interArea = max(0, x2 - x1 + 1) * max(0, y2 - y1 + 1)# 计算预测值和真实值的面积RecA_Area = (RecA[2] - RecA[0] + 1) * (RecA[3] - RecA[1] + 1)RecB_Area = (RecB[2] - RecB[0] + 1) * (RecB[3] - RecB[1] + 1)#计算并集部分面积UnionArea=float(RecA_Area + RecB_Area - interArea)# 计算IOUiou = interArea / UnionAreaC_x1 = min(RecA[0], RecB[0])C_y1 = min(RecA[1], RecB[1])C_x2 = max(RecA[2], RecB[2])C_y2 = max(RecA[3], RecB[3])#计算最小闭包矩形面积C_area = (C_x2 - C_x1) * (C_y2 - C_y1)IOU = interArea / UnionAreaGIOU = IOU - abs((C_area - UnionArea) / C_area)return GIOUimg = np.zeros((512, 512, 3), np.uint8)
img.fill(255)RecA = [50, 50, 80,80] #方框的左上角坐标和右上角坐标
RecB = [100, 160, 320, 320]cv2.rectangle(img, (RecA[0], RecA[1]), (RecA[2], RecA[3]), (0, 255, 0), 5)
cv2.rectangle(img, (RecB[0], RecB[1]), (RecB[2], RecB[3]), (255, 0, 0), 5)iou =GIOU(RecA, RecB)
font = cv2.FONT_ITALIC#展示IOU结果
cv2.putText(img, "GIOU = %.2f" % iou, (200, 450), font, 0.6, (0, 0, 0), 2)cv2.imshow("IOU",img)
cv2.waitKey()
cv2.destroyAllWindows()

GIOU在计算预测框与真实框之间的重叠程度时,即使两框之间无重叠区域,其结果也不会为0,有效的解决了模型在预测框也真实框之间无交集时出现的梯度消失问题。

GIOU缺点

当真实框内含预测框时,如上图所示,IOU和GIOU的值相同,无法反映出哪个预测框更好。

三、DIOU

论文原文:《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》icon-default.png?t=N7T8http://arxiv.org/pdf/1911.08287

DIOU(Distance Intersection over Union)是一种改进的交并比,DIOU既考虑到了IOU的缺点,又考虑到了GIOU的缺点。DIOU也是增加了最小闭包区域(即能同事包含预测框与真实框的最小矩形框),但不再计算闭包区域与预测框真实框之间的交并比,而是计算它们之间的欧氏距离。公式如下:

IoU-\mathrm{DIoU}=\frac{\rho^2(\mathrm{A},\mathrm{B})}{\mathrm{c}^2}

其中c代表最小闭包区域矩形的对角线距离,d代表预测框中心点和真实框中心点距离。DIOU等于d的平方除以c的平方。

代码实现如下

import cv2
import numpy as npdef DIOU(RecA, RecB):x1 = max(RecA[0], RecB[0])y1 = max(RecA[1], RecB[1])x2 = min(RecA[2], RecB[2])y2 = min(RecA[3], RecB[3])# 计算交集部分面积interArea = max(0, x2 - x1 + 1) * max(0, y2 - y1 + 1)# 计算预测值和真实值的面积RecA_Area = (RecA[2] - RecA[0] + 1) * (RecA[3] - RecA[1] + 1)RecB_Area = (RecB[2] - RecB[0] + 1) * (RecB[3] - RecB[1] + 1)#计算并集部分面积UnionArea=float(RecA_Area + RecB_Area - interArea)# 计算IOUiou = interArea / UnionArea# DISTANCEC_x1 = min(RecA[0], RecB[0])C_y1 = min(RecA[1], RecB[1])C_x2 = max(RecA[2], RecB[2])C_y2 = max(RecA[3], RecB[3])center_x1 = (RecA[0]+RecA[2]) / 2center_y1 = (RecA[1]+RecA[3]) / 2center_x2 = (RecB[0] + RecB[2]) / 2center_y2 = (RecB[1] + RecB[3]) / 2center_distance = (center_x2 - center_x1) ** 2 + (center_y2 - center_y1) ** 2c_distance = (C_x2 - C_x1) ** 2 + (C_y2 - C_y1) ** 2DIOU = iou - center_distance / c_distancereturn DIOUimg = np.zeros((512, 512, 3), np.uint8)
img.fill(255)RecA = [0, 0, 30,50] #方框的左上角坐标和右上角坐标
RecB = [5, 5, 25, 45]cv2.rectangle(img, (RecA[0], RecA[1]), (RecA[2], RecA[3]), (0, 255, 0), 5)
cv2.rectangle(img, (RecB[0], RecB[1]), (RecB[2], RecB[3]), (255, 0, 0), 5)iou =DIOU(RecA, RecB)
font = cv2.FONT_ITALIC#展示IOU结果
cv2.putText(img, "DIOU = %.2f" % iou, (200, 450), font, 0.6, (0, 0, 0), 2)cv2.imshow("IOU",img)
cv2.waitKey()
cv2.destroyAllWindows()

当真实框内含预测框时,DIOU也能反映出不同的预测框之间的差距,有效的解决了GIOU的缺点。

现在还有各种改进的交并比,如CIOU、EIOU、Focal-EIOU、SIOU、WIOU等,如果大家有兴趣可以去学习一下这些改进的IOU。

四、DIOU_Loss实战

在这一节我们用学习到的DIOU替换前两章中的小黄人目标检测的L1Loss损失函数。

DIOU_Loss代码如下

class DIou_Loss(nn.Module):def __init__(self):super(DIou_Loss, self).__init__()def box_iou(self, b1, b2):"""输入为:----------b1: tensor, shape=(batch,[x1,y1,x2,y2]) x1,y1 左上角坐标,x2,y2右下角坐标b2: tensor, shape=(batch, [x1,y1,x2,y2])返回为:-------iou: tensor, shape=(batch, 1)"""b1_wh = b1[:, 2:4] - b1[:, :2]b2_wh = b2[:, 2:4] - b2[:, :2]inter_x1 = torch.max(b1[:, 0], b2[:, 0])inter_y1 = torch.max(b1[:, 1], b2[:, 1])inter_x2 = torch.min(b1[:, 2], b2[:, 2])inter_y2 = torch.min(b1[:, 3], b2[:, 3])# ----------------------------------------------------##   求真实框和预测框所有的iou# ----------------------------------------------------#intersect_area =  (torch.clamp(inter_x2 - inter_x1, min=0)+1) * (torch.clamp(inter_y2 - inter_y1, min=0)+1)b1_area = (b1_wh[:, 0]+1) * (b1_wh[:, 1]+1)b2_area = (b2_wh[:, 0]+1) * (b2_wh[:, 1]+1)union_area = b1_area + b2_area - intersect_areaiou = intersect_area / union_area# DISTANCEC_x1 = torch.min(b1[...,0], b2[...,0])C_y1 = torch.min(b1[...,1], b2[...,1])C_x2 = torch.max(b1[...,2], b2[...,2])C_y2 = torch.max(b1[...,3], b2[...,3])center_x1 = (b1[...,0] + b1[...,2]) / 2center_y1 = (b1[...,1] + b1[...,3]) / 2center_x2 = (b2[...,0] + b2[...,2]) / 2center_y2 = (b2[...,1] + b2[...,3]) / 2center_distance = (center_x2 - center_x1) ** 2 + (center_y2 - center_y1) ** 2c_distance = (C_x2 - C_x1) ** 2 + (C_y2 - C_y1) ** 2DIOU = iou - center_distance / c_distancereturn DIOUdef forward(self, input, targets=None):iou = self.box_iou(input, targets)  # 计算交互比loss = torch.mean((1 - iou))return loss

其余代码可以去github下载

GitHub - 1578630119/Single_Object_Detection

再将损失函数换成DIOU_Loss,同时我们还可以利用IOU计算模型的准确率,设置一个阈值,即交并比值,当大于这个值,则这个预测框是正确的,小于则是错误的,最终可以得到模型准确率。代码如下

def iou(b1, b2):b1_wh = b1[:, 2:4] - b1[:, :2]b2_wh = b2[:, 2:4] - b2[:, :2]inter_x1 = torch.max(b1[:, 0], b2[:, 0])inter_y1 = torch.max(b1[:, 1], b2[:, 1])inter_x2 = torch.min(b1[:, 2], b2[:, 2])inter_y2 = torch.min(b1[:, 3], b2[:, 3])# ----------------------------------------------------##   求真实框和预测框所有的iou# ----------------------------------------------------#intersect_area = (torch.clamp(inter_x2 - inter_x1, min=0) + 1) * (torch.clamp(inter_y2 - inter_y1, min=0) + 1)b1_area = (b1_wh[:, 0] + 1) * (b1_wh[:, 1] + 1)b2_area = (b2_wh[:, 0] + 1) * (b2_wh[:, 1] + 1)union_area = b1_area + b2_area - intersect_areaiou = intersect_area / union_areareturn ioudef test():#如果已经训练好了权重,模型直接加载权重文件进行测试#model_test=Net_res()model_test.load_state_dict(torch.load('model.pth',map_location=device))model_test.eval()model_test=model_test.to(device)test_loss = 0correct=0with torch.no_grad():  # 仅测试模型,禁用梯度计算for batch_idx, (data, target) in enumerate(eval_loader):data = data.to(device)target = target.to(device)output = model_test(data)test_loss += criterion(output, target).item()result = iou(output, target)result = torch.where(result > 0.3, 1, 0)correct = correct + result.sum()print('Accuracy:{:.2f}%'.format((correct / ((batch_idx+1)*test_batch_size)).to('cpu').detach().numpy()*100))print('Test Loss:',test_loss/(batch_idx+1))
测试结果

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/866130.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

为PPT加密:如何设置和管理“打开密码”?

在保护演示文稿的内容时,给PPT文件设置“打开密码”是一个简单而有效的方法。今天一起来看看如何设置和管理PPT文件的“打开密码”吧! 一、设置PPT“打开密码” 首先,打开需要加密的PPT文件,点击左上角的“文件”选项卡&#x…

大数据------JavaWeb------JSP(完整知识点汇总)

JSP 定义 JSP(Java Server Pages),即Java服务端页面。它是一种动态的网页技术,其中可以定义HTML、CSS、JS等静态内容,还可以定义Java代码的动态内容JSP HTML Java 说白了JSP就是一个页面,它既可以写HTML标…

iOS App 测试环境升级,遇到的问题以及解决方法

iOS App 测试环境升级,遇到的问题以及解决方法 Mac 实体机升级到 Sonima 14.5 Xcode 升级到 15.3 问题1: Xcode 编译 WebDriverAgent 失败 尝试下载 最新版本的WDA 源码编译,可以编译成功。 问题2:具体坐标直接点击的代码都会报错…

亮相2024世界人工智能大会,扫描全能王AIGC“黑科技”助力敦煌遗书数字化修复

7月4日,2024年世界人工智能大会(简称“大会”)在上海举行。这次这场科技与创新的盛会上,一张古朴、典雅的卷轴吸引了众人的目光。这张被修复的卷轴脱胎于敦煌遗书系列古籍,在被机器拍摄扫描后,卷轴上脏污、…

新手教学系列——【Ubuntu】SSH配置详解

在使用Ubuntu进行远程管理和开发时,SSH(Secure Shell)是必不可少的工具。SSH不仅提供安全的远程登录功能,还支持安全的文件传输和端口转发。然而,有时我们可能会遇到SSH连接中断的问题。本文将详细介绍如何配置SSH以提高其稳定性,并解释关键配置项。 为什么会出现SSH连接…

实验二 图像的代数运算

一、实验目的: 1.了解图像的算术运算在数字图像处理中的初步应用。 2.体会图像算术运算处理的过程和处理前后图像的变化。 二、实验内容: 1.图像的加法运算 图像相加一般用于对同一场景的多幅图像求平均效果&…

Qt实现检测软件是否多开

Qt实现检测软件是否多开 在桌面软件开发中,软件通常要设置只允许存在一个进程,像一些熟知的音乐软件,QQ音乐这种。而这些软件在限制只有一个进程的同时,通常还会有双击桌面图标唤醒已运行的后台进程的功能。关于双击桌面唤醒已运…

【server】3、注册中心与配置中心

1、服务注册与发现 1.1、consul 1.1.1 是什么 官网: Consul by HashiCorp spring-cloud-consul: Spring Cloud Consul :: Spring Cloud Consul gitHub 官网 :GitHub - hashicorp/consul: Consul is a distributed, highly available, and data cent…

Wayfair EDI项目案例

Wayfair是一家成立于2002年的美国电子商务公司,专注于家居用品的销售。其总部位于马萨诸塞州波士顿。Wayfair提供广泛的产品种类,包括家具、装饰品、家居用品和室外用品等。通过其网站和移动应用程序,顾客可以方便地浏览和购买所需的家居产品…

2024最新中级会计职称考试全科题库资料。

1.根据消费税法律制度的规定,下列各项中,属于消费税征税范围的是()。 A.汽车轮胎 B.食用酒精 C.铂金首饰 D.体育上用的发令纸 答案:C 解析:选项ABD均不属于消费税的征税范围。 2.甲企业(…

抬头显示器HUD原理及特性

HUD基本原理 抬头数字显示仪(Head Up Display),又叫平视显示系统,它的作用,就是把时速、导 航等重要的行车信息,投影到驾驶员前风挡玻璃上,让驾驶员尽量做到不低头、不转头 就能看行车信息。 HUD成像为离轴三反的过程&…

MATLAB——循环语句

一、for end语句 在该语法中,循环变量是用于迭代的变量名,它会在每次循环迭代中从向量或矩阵中取出一列的值。数值向量或者矩阵则表示了循环变量可以取值的范围,通常根据实际需要事先给定。一旦循环变量遍历完数值向量或者矩阵中的所有值&…

【配置网络和使用ssh服务】

文章目录 一、配置文件二、配置网络1.使用系统菜单配置网络2.通过网卡配置文件配置网络3.使用图形界面配置网络4.使用nmcli命令配置网络 三、配置远程控制服务1.配置sshd服务2.安全密钥验证3.远程传输命令 一、配置文件 跟网络有关的主要配置文件如下: /etc/host.c…

failed to lazily initialize a collection of role,解决Hibernate查询报错

Hibernate报错: org.hibernate.LazyInitializationException: failed to lazily initialize a collection of role: com.jiuqi.gov.common.attatchment.entity.AttachmentEntity.properties, could not initialize proxy - no Session at org.hibernate.co…

20240705 每日AI必读资讯

📚Retool 刚刚发布了最新2024上半年《人工智能现状报告》 - 收集了约750名技术人员的意见 - 包括开发者、数据团队和各行业的领导者,了解如何利用人工智能产生真正的影响。 🔗 2024上半年《人工智能现状报告》Retool刚刚发布了最新-CSDN b…

【DataSophon】DataSophon1.2.1服务组件开启 kerberos

目录 一、DataSophon是什么 1.1 DataSophon概述 1.2 架构概览 1.3 设计思想 二、集成组件 三、环境准备 四、安装kerberos服务 4.1 Zookeeper 4.2 HDFS 4.3 HBase 4.4 YARN 4.5 hive 【DataSophon】大数据管理平台DataSophon-1.2.1安装部署详细流程-CSDN博客 【Da…

初探前端世界:网页基本结构入门指南

个人主页&#xff1a;学习前端的小z 个人专栏&#xff1a;HTML5和<CSS3悦读 本专栏旨在分享记录每日学习的前端知识和学习笔记的归纳总结&#xff0c;欢迎大家在评论区交流讨论&#xff01; 文章目录 &#x1f451;认识前端和网页&#x1f353;1 什么是网页&#x1f353;2 …

部署redis集群哨兵模式

部署redis集群哨兵模式 前言主要功能工作机制 一、虚拟机部署1、安装2、改配置1、redis.conf2、sentinel.conf3、起服务4、停redis-server服务&#xff0c;验证sentinel 3、脚本1. sentinel notification-script2. sentinel reconfig-script3. sentinel client-reconfig-script…

3个让你爽到爆炸的学习工具

We OCR WeOCR 是一个基于浏览器的文字识别工具&#xff0c;用户可以通过上传图片来识别其中的文本信息。它是一个渐进式网络应用程序&#xff08;PWA&#xff09;&#xff0c;可以在浏览器中离线使用。WeOCR 是开源的&#xff0c;并且基于 Tesseract OCR 引擎开发。用户无需在本…

软件研发标准化流程文件

为了规范化系统开发流程&#xff0c;我们精心制定了一套详尽的规范文档。该文档旨在通过标准化、系统化的方法来显著提升开发效率与项目质量。流程始于明确需求阶段&#xff0c;通过深入细致的设计规划来确保解决方案既可行又具有前瞻性。随后&#xff0c;我们进入高效的编码实…