Index

Index
Complete IoU Loss / CIoU Loss
- Loss Function における課題
- Ln-Norm ベースから IoU ベースへ
COMPLETE-IOU LOSS
- IoU Loss
- GIoU Loss
参考

Complete IoU Loss / CIoU Loss

物体検出におけるLoss Function
- yhayato1320.hatenablog.com

Loss Function における課題

既存の損失関数は、学習中に多様な予測されたboxを区別することは難しい.

Loss 計算時における幾何学的な要素の考慮を強化する.

Ln-Norm ベースから IoU ベースへ

$\displaystyle \min_{\Theta} \sum_{B^{gt}\ \in\ \mathbb{B}^{gt}}\ L(B,\ B^{gt}\ |\ \Theta)$

bounding box $B\ =\ [x,\ y,\ w,\ h]^{T}$
ground truth box $B^{gt}\ =\ [x^{gt},\ y^{gt},\ w^{gt},\ h^{gt}]^{T}$

$L$ の典型的な関数は、 $l_{n}$ -norm (MSE や smooth- $l_{1}$ ) である.

Mean Squared Error
- yhayato1320.hatenablog.com

MSE

$L\ =\ (B\ -\ B^{gt})^{2}$

Smooth L1 Loss
- yhayato1320.hatenablog.com

しかし、最近の研究では、Ln-norm ベースの損失関数は評価指標 (IoU) と一致しないことが示唆されており、代わりに IoU ベースの損失関数が提案されている. YOLO v3やFaster R-CNNなどの最近の物体検出アルゴリズムの学習において、GIoU Loss は Ln-norm ベースの損失よりも優れた精度を達成する.

Generalized IoU / GIoU Loss
- GT と Pred のマッチングに IoU を利用する.
- Loss の計算は、MSE やら Smooth L1 Loss やら
- yhayato1320.hatenablog.com
- yhayato1320.hatenablog.com

しかし、GIoU損失関数も2つのボックスの重なり領域を最大化しようとするだけであり、重なり領域のみを考慮しているため、パフォーマンスには限界がある.

COMPLETE-IOU LOSS

IoU Loss

GIoU Loss

参考

Enhancing Geometric Factors in Model Learning and Inference for Object Detection and Instance Segmentation
- [2020]
- 1 INTRODUCTION
- 3 COMPLETE-IOU LOSS
  - A Analysis to IoU and GIoU Losses
  - B CIoU Loss
- arxiv.org