yolov8-obb损失函数与yolov8损失函数有什么不同

### YOLOv8-obb 损失函数与标准 YOLOv8 损失函数的区别 YOLOv8 是一种先进的实时目标检测框架，而 YOLOv8-obb 则是在此基础上扩展用于旋转框（Oriented Bounding Box, OBB）的目标检测方法。两者的主要区别在于如何定义和计算边界框的回归损失。 #### 1. **标准 YOLOv8 损失函数** 标准 YOLOv8 使用的是水平矩形框（Axis-Aligned Bounding Boxes, AABB），其损失函数主要包括以下几个部分： - **分类损失 (Classification Loss)** 这一部分通过交叉熵损失来衡量预测类别分布与真实类别的差距。 - **置信度损失 (Confidence Loss)** 计算预测框与真实框之间的 IoU 来评估预测框的质量，并以此为基础调整置信度得分。 - **定位损失 (Localization Loss)** 对于水平框而言，定位损失主要关注中心坐标 \(x\)、\(y\) 和宽度高度 \(w\)、\(h\) 的偏差。通常采用 CIoU 或 DIoU 损失作为优化指标[^1]。 #### 2. **YOLOv8-obb 损失函数** 对于旋转框检测任务，YOLOv8-obb 需要适应更复杂的几何形状表示方式。具体来说，它引入了角度参数 \(\theta\) 表示旋转方向，因此损失函数也相应进行了修改： - **分类损失** 同样使用交叉熵损失来衡量预测类别与实际标签的一致性。 - **置信度损失** 类似于标准版，但此时需要考虑旋转框的重叠区域，即 RIoU（Rotated Intersection over Union）。RIoU 能够更好地反映两个旋转框的实际交并比情况。 - **定位损失** 定位损失不仅涉及传统的中心位置偏移量 (\(dx\), \(dy\)) 和尺度变化 (\(dw\), \(dh\)) ，还增加了对角度误差项 \(d\theta\) 的惩罚因子。为了提高收敛速度以及鲁棒性，可以选用 GIoU、DIoU 或者 CIoU 等改进型距离度量形式之一应用于旋转场景下[^3]。 以下是伪代码展示两种不同类型的定位损失实现差异： ```python def standard_yolov8_loss(pred_boxes, true_boxes): # pred_boxes: [batch_size, num_anchors, 4], where each box is represented as [cx, cy, w, h] # true_boxes: same shape with valid targets only loss_loc = ciou_loss(pred_boxes[:, :, :4], true_boxes) # Compute CIoU between predicted and ground truth boxes. return loss_loc def yolov8_obb_loss(pred_rotated_boxes, true_rotated_boxes): # pred_rotated_boxes: [batch_size, num_anchors, 5], including angle information at last dimension # true_rotated_boxes: similar format but filtered by positive anchors. rious = riou_loss(pred_rotated_boxes[..., :-1], true_rotated_boxes[..., :-1]) # Rotated IOUs without angles initially considered. angular_diffs = torch.abs((pred_rotated_boxes[..., -1:] % np.pi / 2.) - (true_rotated_boxes[..., -1:] % np.pi / 2.)) smooth_l1_angle = F.smooth_l1_loss(torch.sin(angular_diffs * 0.5).pow_(2.), target=torch.zeros_like(angular_diffs)) total_loss = rious.mean() + alpha * smooth_l1_angle.sum() return total_loss ``` 其中 `alpha` 控制着角度误差在整个损失中的权重比例；`riou_loss()` 函数负责计算两组旋转边界的 RIoU 值。 --- ### 总结对比表 | 特征 | 标准 YOLOv8 | YOLOv8-obb | |---------------------|----------------------------------|-------------------------------| | 边界框类型 | Axis-Aligned BBox | Oriented BBox | | 主要新增变量 | None | Angle (\(\theta\)) | | 定位损失核心组件 | Center offsets & size changes | Plus Angular difference | | Confidence Metric | IoU | RIoU | ---