交并比损失

定义

交并比损失是一类以交并比为自变量的边界框回归损失函数。交并比（Intersection over Union, IoU）定义为预测框与真实框交集面积同并集面积之比，取值位于 0 到 1 之间，完全重合时为 1，完全不相交时为 0^[1]。

作为评价指标，交并比被广泛用于判断某个检测框是否算作正确检出，常见阈值有 0.5、0.75 和 0.25 等^[2]。由于训练时直接优化这一指标能够使损失与评测口径一致，研究者把交并比改写为可求导的损失函数，用于网络参数更新^[3]。

原理

最基础的形式直接把交并比转成损失，即 $L_{IoU} = 1 - IoU$，部分实现也采用交并比倒数的负对数等单调变换形式^[4]。网络通过反向传播最小化该损失，等价于尽量放大预测框与真实框的重叠面积^[4]。

这一形式存在明显缺陷：当预测框与真实框没有交集时，交并比恒为 0，距离很远的框与紧邻的框得到相同的损失值，梯度方向随之消失，回归无法继续优化^[5]。两步检测器通常在交并比低于 0.5 时就不再做回归，因而这一问题在单阶段检测器上更为突出^[5]。

为缓解该问题，泛化交并比损失（Generalized IoU loss, GIoU loss）在交并比之外补充了一个惩罚项：先求能够同时容纳预测框与真实框的最小包围区域，用该区域中不属于两框并集的部分占其总面积的比例作为惩罚，两框相距越远惩罚越大^[6]。GAN 与之相关的取值区间随之由 0 到 1 扩展为 -1 到 1，完全重合时取 1，相距极远时趋近 -1^[6]。

距离交并比损失（Distance IoU loss, DIoU loss）改为在交并比损失上叠加中心点归一化距离惩罚，即 $L_{DIoU} = 1 - IoU + \rho^2(b^p, b^{gt}) / (l^c)^2$，其中 $\rho$ 为两框中心点的欧氏距离，$l^c$ 为最小包围框的对角线长度^[7]。该惩罚项直接驱使预测框向真实框靠拢，在重叠很少或完全不重叠时尤为有效^[7]。

完整交并比损失（Complete IoU loss, CIoU loss）在距离交并比的基础上再引入长宽比一致性惩罚项，把重叠面积、中心点距离和长宽比三项几何因素同时纳入回归目标^[2]。其长宽比项由预测框与真实框宽高比反正切之差平方得到，权重系数随交并比变化而自适应调整^[7]。

mermaid 流程图可概括这一族损失的演进关系：由交并比出发先扩展出泛化交并比以解决零梯度，再扩展出距离交并比以引入中心距离，最后扩展出完整交并比以补足长宽比约束^[5]。

发展历程

2016 年，于俊涛等人在 UnitBox 中提出以交并比为回归目标的思路，把预测框的四个边界当作整体进行训练，被认为与评测指标具有一致性^[3]。除本文所用的形式外，早期还有基于交叉熵和 Smooth-L1 的多种实现^[5]。

2019 年，Rezatofighi 等人在 IEEE/CVF 计算机视觉与模式识别会议（CVPR）上发表泛化交并比，同时给出度量与损失两种用法，用以修补交并比在无重叠情形下梯度为零的盲区^[8]。

2020 年，Zheng 等人提出距离交并比损失与完整交并比损失，并总结出边界框回归中的三项几何因素，即重叠面积、中心点距离与长宽比^[9]。同一工作还把距离交并比用于非极大值抑制的判别准则，形成 DIoU-NMS^[9]。

此后该家族继续扩充，出现 EIoU、SIoU、α-IoU、CFIoU、Fused-IoU 等变体，以及面向三维检测的梯度校正交并比损失（GCIoU）等^[3]。其中 EIoU 将预测框与真实框的宽高差直接最小化，收敛速度更快^[10]。

应用

交并比损失主要用于检测网络的边界框回归分支，与分类损失共同构成检测模型的训练目标^[8]。YOLO 系列各版本分别采用了不同变体，例如 YOLOv5 采用泛化交并比损失，YOLOv6 的 N 与 T 型号采用 SIoU，另有工作将其替换为完整交并比损失，YOLOv11 则采用完整交并比损失^[1]。

在自动驾驶与三维目标检测中，交并比损失被用于激光雷达点云目标框的定位优化，并针对三维场景的角度误差和尺度差异做了专门设计^[11]。也有研究把距离交并比与非极大值抑制结合，用于多目标跟踪中减少身份切换^[7]。

除二维通用检测外，这类损失还被用于航空尾涡识别、无人机小目标检测等具体任务，实验中不同变体的识别率存在差异^[10]。

局限

基础交并比损失在预测框与真实框不相交时梯度为零，无法为优化提供方向，这是促使后续变体出现的直接原因^[5]。泛化交并比虽补上了梯度，但当真实框被预测框完全包含时会退化为交并比，且训练中倾向于先放大预测框以制造重叠，需要更多迭代次数才能收敛^[5]。

更严重的是，泛化交并比在个别几何配置下会出现与直觉相反的结果：本应更接近真实的框反而得到更大的损失值，实验显示两个尺寸差异明显的框分别计算时，损失值分别为 1.0793 和 1，与预期不一致，从而降低收敛速度与检测精度^[12]。

完整交并比虽然同时考虑重叠、中心距离与长宽比，但其长宽比项在某些形态下会拖慢两框之间的收敛速度^[12]。面向三维检测时，交并比损失还在角度误差和物体尺度方面存在异常梯度，导致收敛慢与回归结果非最优^[13]。

此外，交并比本身对目标框的尺度与长宽比并不敏感：两个框在同一比例下缩放时交并比数值不变，因此单纯依赖该指标难以区分细长框与方正框的定位质量，需要额外惩罚项加以约束^[7]。

参见

• 交并比 —— 交并比损失的计算基础，衡量两个边界框的重叠程度。

• 目标检测 —— 交并比损失最主要的应用任务。

• 边界框回归 —— 交并比损失直接优化的对象。

• 非极大值抑制 —— 可改用距离交并比作为判别准则的后处理步骤。

• YOLO —— 采用多种交并比损失变体的代表性强。

• 损失函数 —— 交并比损失所属的更大范畴。