损失函数详解——IoU、GIoU、DIoU、CIoU

1. 为什么需要改进IoU损失函数？

在目标检测中，损失函数是模型训练的“指挥棒”，直接决定了模型如何学习预测边界框。传统的IoU（交并比）损失虽然简单，但存在致命缺陷：
梯度消失： 当预测框与真实框完全不重叠时，IoU=0，梯度为0，模型无法学习
方向不明确： 完全不重叠时无法判断预测框应该往哪个方向调整
收敛缓慢： 对小目标、密集目标场景优化效率低

2. 各种IoU损失函数

2.1 IoU(Intersection over Union)

IoU是目标检测中最核心的评价指标，也是边界框回归损失函数的基础。它衡量的是预测框（Prediction Box）与真实框（Ground Truth Box）之间的重叠程度。IoU = 两个框的交集面积 / 两个框的并集面积。

2.1.1 IoU的基础公式

IoU 的计算公式很简单：
$$IoU=\frac{\mid A\cup B\mid }{\mid A\cap B\mid }$$
​

假设：预测框 A = (x1, y1, x2, y2)，其中(x1,y1)为左上角，(x2,y2)为右下角；真实框 B = (x1’, y1’, x2’, y2’)。

# 交集区域
inter_x1 = max(x1, x1')
inter_y1 = max(y1, y1')
inter_x2 = min(x2, x2')
inter_y2 = min(y2, y2')

# 交集面积（如果无交集，面积为0）
inter_area = max(0, inter_x2 - inter_x1) * max(0, inter_y2 - inter_y1)

# 各自面积
area_A = (x2 - x1) * (y2 - y1)
area_B = (x2' - x1') * (y2' - y1')

# 并集面积
union_area = area_A + area_B - inter_area

# IoU
IoU = inter_area / union_area

2.1.2 IoU的核心作用

（1）评价指标（评价模型好坏）

在目标检测中，判断检测结果是否正确：

# COCO数据集标准
if IoU >= 0.5:
    检测正确 (True Positive)
else:
    检测错误 (False Positive)

实验结果中mAP50、mAP75、mAP50-95的含义：
mAP50: IoU阈值0.5 （当预测框与真实框的IoU≥0.5时，才算检测正确。）
mAP75: IoU阈值0.75
mAP50-95: IoU阈值从0.5到0.95取平均

（2）损失函数（训练模型）

训练时让模型学会预测更准确的框：IoU Loss = 1 - IoU
当IoU=0.9时，Loss=0.1（小损失，已经很好）；当IoU=0.3时，Loss=0.7（大损失，需要改进）
问题就出现了：当两个框完全不重叠时，IoU=0，Loss=1，梯度为0 → 模型不知道怎么调整！

（3）NMS非极大值抑制（筛选检测结果）

检测时会产生大量重叠的候选框，用IoU筛选：
step1. 按置信度排序所有候选框
step2. 保留最高分框，剔除与它IoU > 0.5的其他框
step3. 重复直到处理完所有框

2.1.3 IoU的致命缺陷

(1) 梯度消失问题

IoU = 0，IoU Loss = 1， 梯度 = 0。模型无法学习，参数停止更新。

上面两张图片的两种情况的IoU都是0，损失都是1，但需要调整的方向和距离完全不同！IoU无法告诉模型应该向左/右/上/下移动。

IoU无法区分两个对象之间不同的对齐方式。更确切的讲，不同方向上有相同较差级别的两个重叠对象的IoU会完全相等。比如上面图片这种情况，IoU相当，但是无法区别。

2.2 GIoU (Generalized IoU)

进化动机：解决IoU“完全不重叠时梯度消失”的问题。
核心改进：引入最小包围框（能同时包裹预测框和真实框的最小矩形）
GIoU 在 IoU 基础上引入了一个惩罚项，这个惩罚项依赖于 C：C=能同时包围 A 和 B 的最小矩形（凸包）
GIoU 公式：
$$GIoU=IoU-\frac{C/(A\cup B)}{\mid C\mid }$$

其中：C∖(A∪B)：包围框中 既不属于 A 也不属于 B 的区域（灰色区域）；除以 ∣C∣ 是为了归一化到 [0,1]

2.2.1 改进效果

(1) 两框有重叠的情况（IoU > 0）
当预测框和真实框已经有了部分重叠时，它们的最小包围框 C 会刚好“紧贴”在两个框的最外侧边缘。此时，包围框内部除了两个框本身占用的地方，剩下的灰色区域C∖(A∪B)通常很小。因为两个框靠得比较近，包围框不会比它们大太多。这个很小的灰色区域面积除以 C 的面积，是一个比较小的正数。GIoU=IoU−小正数。这时候 GIoU 的值略小于 IoU，但整体行为与 IoU 非常相似。优化器主要还是在努力让重叠面积（IoU 部分）变大。
（2）两个框完全没有重叠（IoU = 0）
这是 GIoU 真正发挥作用的地方。此时预测框和真实框是分离的。灰色区域变得很大，因为两个框不重叠，包围框 C 内部就分成了三个独立的部分：框 A、框 B、以及剩下的所有空白（灰色区域）。灰色区域面积=∣C∣−(∣A∣+∣B∣)（这里 ∣A∪B∣=∣A∣+∣B∣ 成立，正是因为 A 和 B 没有重叠。）
计算 GIoU 的惩罚项： 惩罚项，也就是要减掉的那部分，是灰色区域占整个包围框 C 的比例：
$$减去的值=\frac{\mid C\mid -(\mid A\mid +\mid B\mid )}{\mid C\mid }=1-\frac{\mid A\mid +\mid B\mid }{\mid C\mid }$$
最终得出 GIoU 的值： 由于 IoU = 0，代入 GIoU 公式：
$$\begin{gathered} GIoU=IoU-减去的值 \\ =0-[1-\frac{\mid A\mid +\mid B\mid }{\mid C\mid }] \\ =\frac{\mid A\mid +\mid B\mid }{\mid C\mid }-1 \end{gathered}$$

这个公式揭示了一个非常重要的性质：当两个框完全不重叠时，GIoU 的值直接反映了它们之间的相对距离。
当两个框逐渐远离时： 最小包围框 C 必须变得更大才能同时包住它们。分母 ∣C∣ 增大 → 分数(∣A∣+∣B∣) /∣C∣变小→ GIoU 的值变得更小（向-1方向移动）。梯度信息：损失函数会告诉模型“你们离得太远了，GIoU 已经很负了，这是个很糟糕的状态”。
当两个框逐渐靠近时： 最小包围框 C 会相应缩小。分母 ∣C∣ 减小 → 分数(∣A∣+∣B∣) /∣C∣变大→ GIoU 的值变得更大（向0方向移动）。梯度信息：损失函数会明确指示“你们的方向是正确的，继续靠近，GIoU 正在提升”。

GIoU = 1：完全重合
GIoU = 0：面积相等且刚好相切（或特定比例）
GIoU = -1：两个框相距无穷远

2.2.2 GIoU损失函数

实际训练中通常使用：$$L_{GIoU}=1-GIoU$$
范围：[0,2]
完全重合：1−1=0
相距无穷远：1−(−1)=2

2.2.3 GIoU 的局限性

GIoU 虽然解决了梯度消失，但仍有缺陷：
(1) 水平/垂直方向优化困难：当预测框完全被真实框包含时，GIoU 退化为 IoU，无法区分“中心对齐”和“偏移到角落”的情况。
(2 )收敛慢：需要先扩大包围框来产生梯度，而不是直接拉近中心距离。这导致需要更多的迭代次数才能收敛。
这促使了后续的 DIoU（引入中心点距离）和 CIoU（再引入宽高比一致性）。

2.3 DIoU (Distance-IoU)

DIoU 在 IoU 的基础上，直接惩罚两个框中心点之间的欧氏距离，同时引入最小包围框的对角线长度作为归一化因子。DIoU = IoU - (中心点距离 / 包围框对角线长度)²
公式：
$$DIoU=IoU-\frac{{\rho }^2(b,b^{gt})}{c^2}$$
其中，${\rho }^2(b,b^{gt})$ = 预测框中心b与真实框中心$b^{gt}$的欧氏距离的平方；c = 最小包围框C的对角线长度。

损失函数：
$$L_{DIoU}=1-DIoU$$

2.3.1 改进效果

当预测框完全在真实框内部时：

中心对齐的情况，IoU相同，GIoU相同，DIoU更大（好）；角落的情况，IoU相同，GIoU相同，DIoU更小（差）。DIoU 会惩罚中心偏移，引导预测框向中心移动。

2.3.2 DIoU 的局限性

DIoU 虽然解决了中心距离的问题，但还有一个缺陷：无法区分宽高比的差异。
考虑两个场景：

• 预测框和真实框有相同的中心点和 IoU，但宽高比不同（一个瘦高，一个矮胖）
• DIoU 会给出相同的值，但显然宽高比不一致不是最优的

这促使了 CIoU (Complete IoU) 的诞生，它在 DIoU 的基础上增加了宽高比一致性惩罚项。

2.4 CIoU (Complete IoU)

CIoU 在 DIoU 的基础上，增加了一个宽高比惩罚项，形成完整的损失函数。
公式：
$$CIoU=IoU-\frac{{\rho }^2(b,b^{gt})}{c^2}-\alpha \cdot v$$
其中，$v$表示宽高比一致性度量，$\alpha$表示权重系数（动态调整）
宽高比一致性度量 $v$：
$$v=\frac{4}{{\pi }^2}(arctan\frac{w^{gt}}{h^{gt}}-arctan\frac{w}{h}{)}^2$$

$arctan(w/h)$ 实际上是宽高比的角度表示；两个$arctan$相减 表示的是预测框与真实框在宽高比上的差异；平方消除符号影响，放大差异；$4/{\pi }^2$是归一化因子，使得$v\in [0，1]$

另外：之所以要用到$arctan$而不是直接$(w/h-w^{gt}/h^{gt}{)}^2$，因为直接使用宽高比会导致梯度不稳定，当 w 和 ℎ很小时，宽高比的微小变化会导致巨大波动，arctan 将宽高比映射到(−π/2,π/2)，使变化更平滑。
动态权重系数 $\alpha$：
$$\alpha =\frac{v}{(1-IoU)+v}$$
当 IoU 很小时（预测框远离真实框）：(1−IoU) 很大 → α 很小 → 宽高比惩罚权重小。当框还没重叠时，先让它们靠近更重要（优化中心点）。
当 IoU 很大时（预测框已接近真实框）：(1−IoU) 很小 → α 接近 1 → 宽高比惩罚权重大。已经基本对齐了，需要精细调整形状。

CIoU损失函数：
$$L_{CIoU}=1-CIoU$$

3. 四种IoU对比

4. 其他IoU

EIoU：将宽高比惩罚拆分为独立的宽惩罚和高惩罚
SIoU：加入角度惩罚（考虑预测框与真实框的夹角）
Wise-IoU：针对低质量样本的加权策略

5. 本文中出现公式的Latex

这里提供所有公式的Letax，可以直接复制粘贴使用，非常方便。

IoU 公式：IoU= \frac{∣A∪B∣}{∣A∩B∣}

GIoU 公式：GIoU= IoU-\frac{C/(A∪B)}{∣C∣}

计算 GIoU 的惩罚项：
减去的值= \frac{∣C∣−(∣A∣+∣B∣)}{∣C∣}=1-\frac{∣A∣+∣B∣ }{∣C∣}
最终得出 GIoU 的值：
GIoU=IoU-减去的值 =0-[1-\frac{∣A∣+∣B∣ }{∣C∣}] =\frac{∣A∣+∣B∣ }{∣C∣}-1

DIoU公式：DIoU= IoU- \frac{\rho ^{2}(b,b{gt})}{c^{2}}

CIoU公式：CIoU= IoU- \frac{\rho ^{2}(b,b{gt})}{c^{2}}-\alpha \cdot v

宽高比一致性度量 $v$：v= \frac{4}{\pi ^{2}}(arctan\frac{w ^{gt}}{h{gt}}-arctan\frac{w}{h})^{2}
动态权重系数 $\alpha$：\alpha =\frac{v}{(1-IoU)+v}