[论文解读] Unified-IoU: For High-Quality Object Detection

Xichun Luo, Zhihao Cai+2 more|arXiv (Cornell University)|Aug 13, 2024

Industrial Vision Systems and Defect Detection被引用 5

一句话总结

论文介绍 Unified-IoU (UIoU)，一种动态图的、聚焦风格的 IoU 损失用于边界框回归，强调高质量预测并平衡收敛速度。它在 VOC2007 和 COCO2017 上显示出改进，但在像 CityPersons 这样的密集数据集上有警告，除非配合 Focal-inv 使用。

ABSTRACT

Object detection is an important part in the field of computer vision, and the effect of object detection is directly determined by the regression accuracy of the prediction box. As the key to model training, IoU (Intersection over Union) greatly shows the difference between the current prediction box and the Ground Truth box. Subsequent researchers have continuously added more considerations to IoU, such as center distance, aspect ratio, and so on. However, there is an upper limit to just refining the geometric differences; And there is a potential connection between the new consideration index and the IoU itself, and the direct addition or subtraction between the two may lead to the problem of "over-consideration". Based on this, we propose a new IoU loss function, called Unified-IoU (UIoU), which is more concerned with the weight assignment between different quality prediction boxes. Specifically, the loss function dynamically shifts the model's attention from low-quality prediction boxes to high-quality prediction boxes in a novel way to enhance the model's detection performance on high-precision or intensive datasets and achieve a balance in training speed. Our proposed method achieves better performance on multiple datasets, especially at a high IoU threshold, UIoU has a more significant improvement effect compared with other improved IoU losses. Our code is publicly available at: https://github.com/lxj-drifter/UIOU_files.

研究动机与目标

• 通过聚焦高质量预测来推动边界框回归超越传统基于 IoU 的损失的改进。
• 提出一个动态权重方案（Focal Box），通过缩放边界框在训练中改变损失的强调点。
• 纳入受 Focal Loss 启发的双重注意力，以进一步优化跨质量锚点的权重。
• 将 UIoU 作为统一的损失函数引入，便于与现有基于 IoU 的损失进行对比。
• 在标准基准（VOC2007、COCO2017）上展示有效性，并分析密集场景行为（CityPersons）。

提出的方法

• 通过缩放预测框和 GT 框来改变 IoU 和损失权重引入 Focal Box，而不需要额外的复杂计算。
• 使用比率超参数对边界框注意力进行退火，在训练中将强调从低质量框转移到高质量框，策略包括（线性、余弦、分数）。
• 采用受 Focal Loss 启发的加权方案，使用置信度缺口（1 - confidence）来缩放基于 IoU 的损失。
• 将这些组件组合成 Unified-IoU (UIoU)，实现在 IoU 基线（GIoU、DIoU、CIoU 等）之间的轻松切换以便比较。
• 在 VOC2007、COCO2017 和 CityPersons 上进行实验，以验证改进并分析高质量框的表现。

实验结果

研究问题

• RQ1 如何动态地重新加权边界框回归损失，以在不牺牲收敛速度的前提下优先考虑高质量预测？
• RQ2 将受 Focal-Loss 启发的注意力机制与基于 IoU 的损失结合时，是否提升高精度目标检测？
• RQ3 Unified-IoU 损失是否能在标准基准上超越现有基于 IoU 的损失（如 GIoU、CIoU、SIoU），尤其是在更高的 IoU 阈值下？
• RQ4 UIoU 在密集数据集上的表现如何？Focal-inv 策略是否能缓解潜在缺点？

主要发现

• 在 VOC2007 上，UIoU 变体提升了高 IoU 的检测；UIoU(linear) 实现了 mAP50-75 为 62.95，相对于 CIoU 基线提升了 +1.78%。
• UIoU(linear) 在 VOC2007 上实现 mAP50 为 69.8，mAP75 为 63.3，分别相对于 CIoU 的指标提升了 +1.94% 和 +2.31%。
• 在 COCO2017 上，UIoU 显示出温和但一致的增益：mAP50 提升 0.2%，mAP75 提升 0.8%，mAP95 提升 0.44%，mAP50-95 提升 0.5%，相对于 CIoU，训练 300 轮。
• UIoU 的结果表明在更高的 IoU 阈值下定位质量更好，在多个数据集上有一致的改进。
• 在 CityPersons 上，标准 UIoU 会降低性能；应用 Focal-inv（对简单样本的聚焦反向）在高质量检测（如 AP90）方面相对于 CIoU 和其他基线有改进。
• 消融研究表明 动态比率调度（ratio）和 Focal-box 概念有助于提升收敛速度和高质量检测，而 Focal-inv 在密集场景中带来显著增益。