2.3 损失函数 (分类损失、回归损失、IoU损失等)
2.3 损失函数
本节摘要：损失函数告诉模型"错在哪、错多少"。本节讲分类损失、回归损失、IoU 损失家族——检测器优化的目标函数。
本节地图
阅读完本节，你应当能够：
- 区分分类和回归损失
- 理解 IoU 损失家族演进
- 知道 focal loss 解决什么问题
概念脉络
一、检测损失的两部分
目标检测损失 = 分类损失 + 回归损失：
- 分类损失：框里是什么类别
- 回归损失：框的位置准不准
total_loss = cls_loss + box_loss # 简化形式
分类和回归的优化目标是不同的：分类要让类别概率分布接近真实标签，回归要让框的坐标连续逼近真值。两者量纲不同、梯度尺度不同，需要配权重。YOLOv5 里损失还细分为类别损失、置信度损失、框回归损失三部分，分别有超参平衡。
二、分类损失
交叉熵损失
多分类用交叉熵：
二分类用二元交叉熵（BCE）。交叉熵的梯度特点：预测置信度越低，梯度越大，模型被推着向正确方向更新。
Focal Loss
RetinaNet 提出 focal loss 解决正负样本不均衡（背景框远多于目标框）：
- \gamma：聚焦参数，降低易分样本权重
- \alpha：平衡正负样本比例
单阶段检测器每张图生成上万个候选位置，其中只有几十个是正样本，其余全是背景。普通交叉熵里，这些大量"很容易分对"的背景样本贡献了绝大部分梯度，模型花大力气学会说"没有目标"，却学不好目标本身。focal loss 给易分样本一个 (1-p_t)^\gamma 的折扣，让难分样本（包括稀有类别）主导梯度。
focal loss 让模型专注难分样本，是单阶段检测器关键创新。
三、回归损失
L1/L2 损失
直接回归框坐标 (x,y,w,h)：
- L1（MAE）：|y-\hat{y}|，梯度恒定但不连续
- L2（MSE）：(y-\hat{y})^2，连续但对大误差敏感
L1/L2 对尺度敏感，大目标和小目标损失不可比。一张 300 像素宽的车和 30 像素宽的人，同样是偏移 3 像素，L2 损失分别为 9 和 9（绝对值一样），但相对误差差 10 倍。这导致小目标框的回归被大目标掩盖。
Smooth L1
Fast R-CNN 用 Smooth L1，结合 L1 和 L2 优点：小误差用 L2（平滑），大误差用 L2 的导数上限（不爆炸）。
def smooth_l1(pred, target, beta=1.0): diff = torch.abs(pred - target) small = 0.5 * diff ** 2 / beta large = diff - 0.5 * beta return torch.where(diff < beta, small, large)
四、IoU 损失家族
IoU（交并比）衡量框重叠程度，是检测的核心指标。IoU 损失族解决 L1/L2 的尺度问题——IoU 天然归一化到 0~1，与框大小无关。
图 2-3 IoU 损失家族演进
| 损失 | 考虑因素 | 问题 |
|---|---|---|
| IoU | 重叠面积 | 不重叠时无梯度 |
| GIoU | + 最小外接框 | 收敛慢 |
| DIoU | + 中心点距离 | 不考虑长宽比 |
| CIoU | + 长宽比 | 综合，YOLOv4/v5 用 |
IoU
问题：两框不重叠时 IoU=0，损失无梯度，无法优化。此外 IoU 对"重叠程度"的区分度有限：IoU 0.5 和 0.9 之间梯度变化不连续。
GIoU
加最小外接框 C：GIoU = IoU - \frac{|C \setminus (A \cup B)|}{|C|}
不重叠时也有梯度（外接框缩小方向），但收敛慢，且框相交但相对位置不同时可能给出相同值。
DIoU
加中心点欧氏距离：DIoU = IoU - \frac{\rho^2(b, b^{gt})}{c^2}
考虑框中心距离，收敛快。中心越近，损失越小，引导框先对齐中心再重叠。
CIoU
DIoU + 长宽比一致性：CIoU = DIoU - \alpha v
\alpha 是平衡参数，v 衡量长宽比一致性。CIoU 综合重叠、距离、比例，YOLOv4/v5 采用。它在 DIoU 基础上再惩罚宽高比不一致，让框的形状也贴近真值。
五、损失权重平衡
分类和回归损失量级不同，要加权平衡：
loss = λ_cls * cls_loss + λ_box * box_loss + λ_iou * iou_loss
权重 \lambda 是重要超参，影响训练侧重。YOLO 系里通常设 box 权重 0.05、cls 权重 0.5，置信度权重 1.0；Faster R-CNN 的 RPN 和检测头也有各自的损失配比。调损失权重和调学习率一样，属于"见效慢但影响大"的超参。
六、训练中的两个易错点
第一，标签分配直接影响损失：一个预测框该对齐哪个真值框、算正样本还是负样本，决定了损失计算的输入。YOLO 用中心点归属，Faster R-CNN 用 IoU 阈值，现代方法用动态分配（TaskAlignedAssigner、OTA）。损失函数本身再好，标签分配错了也白搭。
第二，回归目标归一化：直接回归绝对坐标难学，通常回归相对网格/锚点的偏移并除以尺度，YOLO 还会用 sigmoid 限制中心点偏移范围。归一化让不同尺度的回归目标同量级，训练更稳。
⚠️ 常见坑：用 L2 损失做框回归——L2 对尺度敏感，大框小框损失不可比。用 IoU 家族损失（CIoU/DIoU），尺度无关。
💡 关键直觉：检测损失 = 分类 + 回归。分类用交叉熵/focal loss（解决正负不均衡）。回归用 IoU 家族（CIoU 综合），尺度无关。损失权重平衡是关键超参。
要点串联
- 两部分：分类损失（类别）+ 回归损失（位置）。
- 分类：交叉熵、focal loss（解决正负不均衡，单阶段关键）。
- 回归：L1/L2（尺度敏感）、Smooth L1（Fast R-CNN）。
- IoU 家族：IoU（不重叠无梯度）→GIoU（加外接框）→DIoU（加中心距）→CIoU（加长宽比）。
- 现代：CIoU/DIoU，尺度无关收敛快，YOLOv4/v5 用。
- 平衡：分类回归损失加权，权重是关键超参。
- 配套：标签分配 + 回归目标归一化，和损失函数同等重要。
下一节讲优化器。