作者 | ywsun
論文鏈接 | arxiv.org/abs/1902.0963
原文地址 | https://zhuanlan.zhihu.com/p/57863810
作者沒有對網絡結構進行改進，反而是從一個特殊的視角來考慮目標檢測的改進點——使用基於IOU的度量來代替傳統回歸的損失。
作者的主要貢獻是：
1.提出了IOU的通用版本——GIOU，作為比較兩個任意形狀的新指標；
2.提供了將GIOU作為二維坐標框對齊時的loss方案；
3.主要在Faster/Mask RCNN與YOLO v3上面進行試驗，證明在two-stage與one-stage上面均表現很好。
Bounding box回歸是2D/3D視覺任務總的基礎模塊。目標檢測、實例分割等等 都需要bbox回歸來獲得較為准確地定位。目前來講，想要獲得更好的檢測效果，要么使用重的backbone，要么設計更好的網絡結構。但是這兩種方案都忽略了bbox regression中基於IOU計算度量的L1/L2 loss。
IOU的作用：
在anchor機制中，IOU的作用：
（1）確定正負樣本（0.5）；
（2）評價預測框和真實框之間的距離。
在回歸的任務中，判斷pre-bbox與gt-bbox離最直接的指標就是IOU，但是所采用的loss函數卻不太適用：兩個框的某一個角之間的距離是固定的，相同的L2-norm值相同，而其IOU值可以是完全不同的。
因此，一個好的局部優化解未必是IOU的局部優化解。如下圖所示：
IOU的優點：
對於1-IoU作為距離度量，優點：滿足非負性；同一性；對稱性；三角不等性，對尺度不敏感（scale-invariant）
IOU的缺點：
使用IOU來指導回歸任務的學習，IOU可以被反向傳播。然而，將IOU作為損失有兩個問題：
（1）無法衡量兩框是相鄰還是甚遠：如果IOU=0，並不能反映出兩個BBOX之間的距離（臨近還是相離很遠），梯度將為0，無法優化；
（2）無法反應相交方式：如果對齊方式不同，但是交叉區域相同的話，其IOU將完全相等
針對上述IOU兩點問題，作者提出改進方案：GIOU。
假設A為預測框，B為真實框，S是所有框的集合，不管A與B是否相交，C是包含A與B的最小框，C也屬於S集合
步驟：
（1）首先計算IoU，A與B的交並比
（2）再計算C框中沒有A與B的面積，比上C框面積
（3）IoU減去前面算出的比；得到GIoU
與IOU相似，GIOU也是一種距離度量；對尺度不敏感；GIOU是IOU的下界；GIOU=[-1,1]；GIOU不僅僅關注重疊區域，還關注其他的不重合區域。
GIoU的作用：
對於相交的IOU可以被反向傳播，即它可以直接用作優化的目標函數。但是非相交的，梯度將會為0，無法優化。
使用GIOU可以避免該問題，將其作為損失函數，可直接優化LGIou函數。步驟下圖：
實驗：
作者將YOLO v3、Faster/Mask RCNN作為benchmarks來驗證提出的方法，證明了不論是one-stage還是two-stage，GIOU對於檢測效果都有提升。下圖是在COCO數據集上的實驗結果對比圖：
YOLO v3漲幅比較明顯，這是因為Faster/Mask RCNN中anchors很密集，GIOU發揮的作用的情況不多。