最小点距离的边界框回归损失函数及其应用.pdfVIP

小型微型计算机系统２０２４年１１月第１１期

ＤＯＩ：１０．２０００９／ｊ．ｃｎｋｉ．２１１１０６／ＴＰ．２０２３０３０７

ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓＶｏｌ．４５Ｎｏ．１１２０２４

最小点距离的边界框回归损失函数及其应用

１１，２

麻斯亮，许勇

１（华南理工大学计算机科学与工程学院，广州５１０００６）

２（鹏城实验室，广东深圳５１８０００）

Ｅｍａｉｌ：ｙｘｕ＠ｓｃｕｔ．ｅｄｕ．ｃｎ

摘要：边界框回归（ＢＢＲ）已广泛应用于目标检测和实例分割，这是目标定位的一个重要步骤，但仍存在收敛缓慢和回归不准

确的问题．本文研究发现大多数现有的边界框回归损失函数在预测框与标注框具有相同的纵横比，但宽度和高度值不同时损失

函数值无法收敛．为了解决这个问题，本文充分挖掘矩形的几何特征，提出了一种最小点距离的边界框相似度度量，它包含了现

有主流边界框回归度量的相关因素，即重叠或非重叠面积、中心点距离、宽度和高度的偏差，同时简化了计算过程．在此基础上，

本文提出了一个最小点距离的边界框回归损失函数，称为．实验结果表明，损失函数应用于最先进的实例分割（例如ＹＯＬＡＣＴ）

和目标检测（例如ＹＯＬＯｖ７）模型训练ＰＡＳＣＡＬＶＯＣ、ＭＳＣＯＣＯ和ＩＩＩＴ５ｋ，其性能优于现有损失函数，模型回归效率和精度得

到有效提升．

关键词：目标检测；实例分割；边界框回归；损失函数；最小点距离

中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００１２２０（２０２４）１１２６９５０７

ＢｏｕｎｄｉｎｇＢｏｘＲｅｇｒｅｓｓｉｏｎＬｏｓｓＦｕｎｃｔｉｏｎＢａｓｅｄｏｎＭｉｎｉｍｕｍＰｏｉｎｔＤｉｓｔａｎｃｅａｎｄＩｔｓＡｐｐｌｉｃａ

ｔｉｏｎ

１１，２

ＭＡＳｉｌｉａｎｇ，ＸＵＹｏｎｇ

１（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ）

２（ＰｅｎｇｃｈｅｎｇＬａｂｏｒａｔｏｒｙ，Ｓｈｅｎｚｈｅｎ５１８０００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｂｏｕｎｄｉｎｇｂｏｘｒｅｇｒｅｓｓｉｏｎ（ＢＢＲ）ｈａｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎａｎｄｉｎｓｔａｎｃｅｓｅｇｍｅｎｔａｔｉｏｎ，ｗｈｉｃｈｉｓａｎｉｍｐｏｒｔａｎｔ

ｓｔｅｐｉｎｏｂｊｅｃｔｌｏｃａｌｉｚａｔｉｏｎ，ｂｕｔｔｈｅｒｅａｒｅｓｔｉｌｌｐｒｏｂｌｅｍｓｏｆｓｌｏｗｃｏｎｖｅｒｇｅｎｃｅａｎｄｉｎａｃｃｕｒａｔｅｒｅｇｒｅｓｓｉｏｎ．Ｉｎｔｈｉｓｐａｐｅｒ，ｉｔｉｓｆｏｕｎｄｔｈａｔｍｏｓｔ

ｅｘｉｓｔｉｎｇｂｏｕｎｄｉｎｇｂｏｘｒｅｇｒｅｓｓｉｏｎｌｏｓｓｆｕｎｃｔｉｏｎｓｈａｖｅｔｈｅｓａｍｅａｓｐｅｃｔｒａｔｉｏａｓｔｈｅｇｒｏｕｎｄｔｒｕｔｈｂｏｘｉｎｔｈｅｐｒｅｄｉｃｔｅｄｂｏｘ，ｂｕｔｔｈｅｌｏｓｓ

ｆｕｎｃｔｉｏｎｖａｌｕｅｓｃａｎｎｏｔｃｏｎｖｅｒｇｅｗｈｅｎｔｈｅｗｉｄｔｈａｎｄｈｅｉｇｈｔｖａｌｕｅｓａｒｅｄｉｆｆｅｒｅｎｔ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｆｕｌｌｙｅｘｐｌｏｒｅｓ

ｔｈｅｇｅｏｍｅｔｒｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｒｅｃｔａｎｇｌｅｓａｎｄｐｒｏｐｏｓｅｓａｂｏｕｎｄｉｎｇｂｏｘｓｉｍｉｌａｒｉｔｙｍｅｔｒｉｃｗｉｔｈｍｉｎｉｍｕｍｐｏｉｎｔｄｉｓｔａｎｃｅ，ｗｈｉｃｈｃｏｎｔａｉｎｓ

ｔｈｅｒｅｌｅｖａｎｔｆａｃｔｏｒｓｏｆｔｈｅｅｘｉｓｔｉｎｇｍａｉｎｓｔｒｅａｍｂｏｕｎｄｉｎｇｂｏｘｒｅｇｒｅｓｓｉｏｎｍｅｔｒｉｃ，ｎａｍｅｌｙｏｖｅｒｌａｐｐｉｎｇｏｒｎｏｎｏｖｅｒｌａｐｐｉｎｇａｒｅａ，ｃｅｎｔｅｒ

ｐｏｉｎｔｄｉｓｔａｎｃｅ，ｗｉｄｔｈａｎｄｈｅｉｇｈｔｄｅｖｉａｔｉｏｎ，ａｎｄｓｉｍｐｌｉｆｉｅｓｔｈｅｃａｌｃｕｌａｔｉｏｎｐｒｏｃｅｓｓ．Ｏｎｔｈｉｓｂａｓｉｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｂｏｕｎｄｉｎｇｂｏｘｒｅ

ｇｒｅｓｓｉｏｎｌｏｓｓｆｕｎｃｔｉｏｎｆｏｒｔｈｅｍｉｎｉｍｕｍｐｏｉｎｔｄｉｓ