[论文解读] Alpha-IoU: A Family of Power Intersection over Union Losses for Bounding Box Regression

Jiabo He, Sarah Erfani+4 more|arXiv (Cornell University)|Oct 26, 2021

Advanced Neural Network Applications参考文献 46被引用 144

一句话总结

Alpha-IoU 将基于 IoU 的损失推广为一个以幂为基础的族，只有一个 alpha 参数，在不同模型/数据集上改善边界框回归与鲁棒性。

ABSTRACT

Bounding box (bbox) regression is a fundamental task in computer vision. So far, the most commonly used loss functions for bbox regression are the Intersection over Union (IoU) loss and its variants. In this paper, we generalize existing IoU-based losses to a new family of power IoU losses that have a power IoU term and an additional power regularization term with a single power parameter $α$. We call this new family of losses the $α$-IoU losses and analyze properties such as order preservingness and loss/gradient reweighting. Experiments on multiple object detection benchmarks and models demonstrate that $α$-IoU losses, 1) can surpass existing IoU-based losses by a noticeable performance margin; 2) offer detectors more flexibility in achieving different levels of bbox regression accuracy by modulating $α$; and 3) are more robust to small datasets and noisy bboxes.

研究动机与目标

• 将现有基于 IoU 的边界框回归损失泛化为统一的 alpha-IoU 家族，使用幂变换。
• 在不同的 alpha 下分析关键属性，如顺序保持性以及损失/梯度重加权。
• 在多个检测器和基准测试上展示相比标准 IoU 损失的经验改进。
• 在不增加训练开销的情况下，展示对小数据集和嘈杂边界框的鲁棒性。

提出的方法

• 通过 L_{alpha-IoU} = 1 - IoU^{alpha} (alpha > 0) 定义 alpha-IoU 损失，并与现有损失（IoU, log(IoU)）相关联。
• 扩展为带可选惩罚项的一般形式：L_{alpha-IoU} = 1 - IoU^{alpha} + P^{alpha}(B, B^{gt}).
• 通过对 IoU 与惩罚项应用相同的 alpha，将现有基于 IoU 的损失（IoU, GIoU, DIoU, CIoU）统一到 alpha-IoU 框架下。
• 分析属性：顺序保持性、相对损失重加权 w_Lr = L_{alpha-IoU}/L_IoU 与相对梯度重加权 w_nabla_r。
• 在 PASCAL VOC 与 MS COCO 上结合模型如 YOLOv5s/x 和 DETR 进行实证评估，突出 alpha=3 作为一个实用选择。
• 声称不需要额外的模型参数或训练时间开销。

实验结果

研究问题

• RQ1 alpha-IoU 损失是否在不同探测器和数据集上对标准基于 IoU 的损失提供一致的改进？
• RQ2 alpha 参数如何影响损失和梯度项中对高 IoU 对象的加权？
• RQ3 与传统损失相比，alpha-IoU 在小数据集和嘈杂边界框下是否具有鲁棒性？
• RQ4 alpha-IoU 框架能否在不进行结构改动的情况下应用于基于锚框和无锚框的检测器？

主要发现

• Alpha-IoU 当 alpha > 1 时对高 IoU 对象进行上权重，提升边界框回归准确性和高精度 mAP（例如 mAP_{75:95}）。
• 在 PASCAL VOC 与 MS COCO 上，YOLOv5s、YOLOv5x 与 DETR 的经验增益，尤其是在较高 IoU 阈值下（AP_{95}）。
• Alpha=3 在模型/数据集之间提供强大且一致的性能提升，对数据集/模型选择的敏感度有限。
• 该方法在不改变训练过程或增加参数的情况下，提升对小型训练集和嘈杂边界框的鲁棒性。