一种用于目标跟踪边界框回归的光滑IoU损失

doi:10.16383/j.aas.c210525

CORC > 自动化研究所 > 中国科学院自动化研究所 > 学术期刊 > 自动化学报

	一种用于目标跟踪边界框回归的光滑IoU损失
	李功; 赵巍; 刘鹏; 唐降龙
刊名	自动化学报
	2023
卷号	49 期号:2 页码:288-306
关键词	光滑IoU损失 ?n-norm损失边界框回归目标跟踪
ISSN号	0254-4156
DOI	10.16383/j.aas.c210525
英文摘要	边界框回归分支是深度目标跟踪器的关键模块,其性能直接影响跟踪器的精度.评价精度的指标之一是交并比(Intersection over union, IoU).基于IoU的损失函数取代了?_n-norm损失成为目前主流的边界框回归损失函数,然而IoU损失函数存在2个固有缺陷:1)当预测框与真值框不相交时IoU为常量0,无法梯度下降更新边界框的参数; 2)在IoU取得最优值时其梯度不存在,边界框很难收敛到IoU最优处.揭示了在回归过程中IoU最优的边界框各参数之间蕴含的定量关系,指出在边界框中心处于特定位置时存在多种尺寸不同的边界框使IoU损失最优的情况,这增加了边界框尺寸回归的不确定性.从优化两个统计分布之间散度的视角看待边界框回归问题,提出了光滑IoU (Smooth-IoU, SIoU)损失,即构造了在全局上光滑(即连续可微)且极值唯一的损失函数,该损失函数自然蕴含边界框各参数之间特定的最优关系,其唯一取极值的边界框可使IoU达到最优.光滑性确保了在全局上梯度存在使得边界框更容易回归到极值处,而极值唯一确保了在全局上可梯度下降更新参数,从而避开了IoU损失的固有缺陷.提出的光滑损失可以很容易取代IoU损失集成到现有的深度目标跟踪器上训练边界框回归,在LaSOT、GOT-10k、TrackingNet、OTB2015和VOT2018测试基准上所取得的结果,验证了光滑IoU损失的易用性和有效性.
内容类型	期刊论文
源URL	[http://ir.ia.ac.cn/handle/173211/56192]
专题	自动化研究所_学术期刊_自动化学报
推荐引用方式 GB/T 7714	李功,赵巍,刘鹏,等. 一种用于目标跟踪边界框回归的光滑IoU损失[J]. 自动化学报,2023,49(2):288-306.
APA	李功,赵巍,刘鹏,&唐降龙.(2023).一种用于目标跟踪边界框回归的光滑IoU损失.自动化学报,49(2),288-306.
MLA	李功,et al."一种用于目标跟踪边界框回归的光滑IoU损失".自动化学报 49.2(2023):288-306.