基于自适应聚焦CRIoU损失的目标检测算法

作者：肖振久; 赵昊泽; 张莉莉; 夏羽; 郭杰龙^*; 俞辉; 李成龙; 王俐文

来源：液晶与显示, 2023, 38(11): 1468-1480.

• 目标检测
• 边界框回归
• IoU损失函数
• 非极大值抑制
• 自适应聚焦损失

在目标检测任务中，传统的边界框回归损失函数所回归的内容与评价标准IoU(Intersection over Union)之间存在不相关性，并且对于边界框的回归属性存在一定不合理性，使得回归属性不完整，降低了检测精度和收敛速度，甚至还会造成回归阻碍的情况。并且在回归任务中也存在样本不均衡的情况，大量的低质量样本影响了损失收敛。为了提高检测精度和回归收敛速度提出了一种新的边界框回归损失函数。首先确定设计思想并设计IoU系列损失函数的范式；其次在IoU损失的基础上引入两中心点形成矩形的周长和两框形成的最小闭包矩形周长的比值作为边界框中心点距离惩罚项，并且将改进的IoU损失应用到非极大值抑制（Non-Maximum Suppression,NMS）处理中。接着引入两框的宽高误差和最小外包框的宽高平方作为宽高惩罚项，确定CRIoU(Complete Relativity IoU,CRIoU)损失函数。最后在CRIoU的基础上加入自适应加权因子，对高质量样本的回归损失加权，定义了自适应聚焦CRIoU(Adaptive focal CRIoU,AF-CRIoU)。实验结果表明，使用AF-CRIoU损失函数对比传统非IoU系列损失的检测精度最高相对提升了8.52%，对比CIoU系列损失的检测精度最高相对提升了2.69%，使用A-CRIoU-NMS(Around CRIoU NMS)方法对比原NMS方法的检测精度提升0.14%。将AF-CRIoU损失应用到安全帽检测中，也达到了很好的检测效果。

• 单位
  辽宁工程技术大学; 上海宇航系统工程研究所; 中国科学院; 中国科学院福建物质结构研究所