YOLOv11改进策略【损失函数篇】| Shape-IoU：考虑边界框形状和尺度的更精确度量

一、本文介绍

本文记录的是改进YOLOv11的损失函数，将其替换成Shape-IoU。现有边界框回归方法通常考虑真实GT（Ground Truth）框与预测框之间的几何关系，通过边界框的相对位置和形状计算损失，但忽略了边界框本身的形状和尺度等固有属性对边界框回归的影响。为了弥补现有研究的不足，Shape-IoU提出了一种关注边界框本身形状和尺度的边界框回归方法。

---

文章目录

• 一、本文介绍
• 二、Shape-IoU设计原理
• • 2.1 原理
  • 2.2 优势
• 三、Shape-IoU的实现代码
• 四、添加步骤
• • 4.1 修改ultralytics/utils/metrics.py
  • 4.2 修改ultralytics/utils/loss.py
  • 4.3 修改ultralytics/utils/tal.py

---

二、Shape-IoU设计原理

Shape-IoU:考虑边界框形状和尺度的更精确度量

以下是关于Shape-IoU的详细介绍：

2.1 原理

• 分析边界框回归特性：通过对边界框回归样本的分析，得出以下结论：
  • 当回归样本的偏差和形状偏差相同且不全为0时，假设GT框不是正方形且有长短边，边界框形状和尺度的差异会导致其IoU值的差异。
  • 对于相同尺度的边界框回归样本，当回归样本的偏差和形状偏差相同且不全为0时，边界框的形状会对回归样本的IoU值产生影响。沿着边界框短边方向的偏差和形状偏差对应的IoU值变化更为显著。
  • 对于具有相同形状边界框的回归样本，当回归样本偏差和形状偏差相同且不全为0时，与较大尺度的回归样本相比，较小尺度边界框回归样本的IoU值受GT框形状的影响更为显著。
• Shape - IoU公式：
  • $IoU=\frac{|B\cap B^{gt}|}{|B\cup B^{gt}|}$
  • $ww=\frac{2\times (w^{gt}{)}^{scale}}{(w^{gt}{)}^{scale}+(h^{gt}{)}^{scale}}$
  • $hh=\frac{2\times (h^{gt}{)}^{scale}}{(w^{gt}{)}^{scale}+(h^{gt}{)}^{scale}}$
  • $distanc{e}^{shape}=hh\times (\frac{x_c-x_c^{gt}}{c}{)}^2+ww\times (\frac{y_c-y_c^{gt}}{c}{)}^2$
  • ${\Omega }^{shape}={\sum }_{t=w,h}(1-e^{-{\omega }_t}{)}^{\theta },\theta =4$，其中$\{\begin{array}{l}{\omega }_w=hh\times \frac{|w-w^{gt}|}{max(w,w^{gt})}\\ {\omega }_h=ww\times \frac{|h-h^{gt}|}{max(h,h^{gt})}\end{array}$
• 对应的边界框回归损失：$L_{Shape-IoU}=1-IoU+distanc{e}^{shape}+0.5\times {\Omega }^{shape}$

2.2 优势

• 提高检测性能：论文中通过一系列对比实验，证明了Shape-IoU方法在不同检测任务中能够有效提高检测性能，优于现有方法，在不同检测任务中达到了最先进的性能。
• 关注边界框自身属性：考虑了边界框本身的形状和尺度对边界框回归的影响，弥补了现有研究忽略这一因素的不足。
• 在小目标检测任务中的应用：针对小目标检测任务，提出了Shape-Dot Distance和Shape-NWD，将Shape-IoU的思想融入其中，提高了在小目标检测方面的性能。

论文：https://arxiv.org/pdf/2312.17663
源码：https://github.com/malagoutou/Shape-IoU

---

三、Shape-IoU的实现代码

Shape-IoU的实现代码如下：

def shape_iou(box1, box2, xywh=True, scale=0, eps=1e-7):
    (x1, y1, w1, h1), (x2, y2, w2, h2) = box1.chunk(4, -1), box2.chunk(4, -1)
    w1_, h1_, w2_, h2_ = w1 / 2, h1 / 2, w2 / 2, h2 / 2
    b1_x1, b1_x2, b1_y1, b1_y2 = x1 - w1_, x1 + w1_, y1 - h1_, y1 + h1_
    b2_x1, b2_x2, b2_y1, b2_y2 = x2 - w2_, x2 + w2_, y2 - h2_, y2 + h2_
 
    # Intersection area
    inter = (torch.min(b1_x2, b2_x2) - torch.max(b1_x1, b2_x1)).clamp(0) * \
            (torch.min(b1_y2, b2_y2) - torch.max(b1_y1, b2_y1)).clamp(0)
 
    # Union Area
    union = w1 * h1 + w2 * h2 - inter + eps
 
    # IoU
    iou = inter / union
 
    #Shape-Distance    #Shape-Distance    #Shape-Distance    #Shape-Distance    #Shape-Distance    #Shape-Distance    #Shape-Distance  
    ww = 2 * torch.pow(w2, scale) / (torch.pow(w2, scale) + torch.pow(h2, scale))
    hh = 2 * torch.pow(h2, scale) / (torch.pow(w2, scale) + torch.pow(h2, scale))
    cw = torch.max(b1_x2, b2_x2) - torch.min(b1_x1, b2_x1)  # convex width
    ch = torch.max(b1_y2, b2_y2) - torch.min(b1_y1, b2_y1)  # convex height
    c2