【SIoU Loss论文阅读】：引入角度感知的框回归损失，让检测收敛更快更准

论文信息

• 标题：SIoU Loss: More Powerful Learning for Bounding Box Regression
• 会议：ArXiv 2022
• 单位：Independent Research
• 代码：github.com/meituan/YOLOv6/blob/main/losses/box_loss.py
• 论文：https://arxiv.org/pdf/2205.12747.pdf

---

0 前言

在目标检测里，框回归损失直接决定收敛快慢与定位精度 。

从 IoU → GIoU → DIoU → CIoU，大家一直在优化：

• 重叠面积
• 中心点距离
• 宽高比

但所有人都漏掉了一个关键因素：方向（角度） ！

这就导致预测框在训练时会到处乱晃、收敛极慢 ，尤其是预测框和真值框不在同一坐标轴附近时，几乎很难收敛。

SIoU 直接引入角度损失（Angle Cost） ，让回归先"对齐方向"，再优化位置和形状。

最终：

✅ 收敛速度大幅提升

✅ COCO 数据集 +2.4% AP 、+3.6% AP50

✅ 即插即用，兼容所有检测器

✅ 成为 YOLOv6 / YOLOv8 / YOLOv9 标配损失

---

1 核心动机：为什么要加角度？

图 1.损失函数中角度成本贡献的计算方案。

图中展示了预测框与真值框中心连线构成的角度几何关系：

• α：中心点连线与竖直方向的夹角
• 当 α 越接近 0 或 90°，回归越简单
• 当 α=45° 时回归最难

图片分析：

传统损失（CIoU）只看距离和形状，不看方向，

导致模型在训练时不知道先靠近 X 轴还是 Y 轴，优化难度极高。

---

图2：角度损失变化曲线

横轴：角度归一化值

纵轴：角度损失值

• 角度越接近 45°，损失越大
• 角度越接近坐标轴，损失越小

图片分析：

损失函数会强迫模型优先对齐坐标轴，把"二维回归"变成"一维回归"，自由度骤减，收敛暴快。

---

2 SIoU 完整结构（4大损失）

SIoU 由 4 个互补代价函数构成：

1. Angle Cost（角度损失） ------ 灵魂创新
2. Distance Cost（距离损失） ------ 角度加权
3. Shape Cost（形状损失） ------ 宽高匹配
4. IoU Cost（IoU损失） ------ 重叠监督

---

3 核心1：Angle Cost 角度损失（全文最重要）

公式

Λ=1−2∗sin2(arcsin(x)−π4)\Lambda=1-2 * sin ^{2}\left(arcsin (x)-\frac{\pi}{4}\right)Λ=1−2∗sin2(arcsin(x)−4π)

x=chσx=\frac{c_{h}}{\sigma}x=σch

σ=(bcxgt−bcx)2+(bcygt−bcy)2\sigma=\sqrt{\left(b_{c_{x}}^{gt}-b_{c_{x}}\right)^{2}+\left(b_{c_{y}}^{gt}-b_{c_{y}}\right)^{2}}σ=(bcxgt−bcx)2+(bcygt−bcy)2

ch=∣bcygt−bcy∣c_{h}=|b_{c_{y}}^{gt}-b_{c_{y}}|ch=∣bcygt−bcy∣

逐符号解释

• bcxgt,bcygtb_{c_x}^{gt}, b_{c_y}^{gt}bcxgt,bcygt：真值框中心坐标
• bcx,bcyb_{c_x}, b_{c_y}bcx,bcy：预测框中心坐标
• σ\sigmaσ：两个框中心点的欧式距离
• chc_hch：中心点在竖直方向的距离差
• xxx：角度正弦值 sin(α)sin(α)sin(α)
• Λ\LambdaΛ：角度损失（0~1），越小表示角度越准

通俗解释

先把预测框掰到最近的坐标轴（X或Y），

让模型只需要沿着一个方向回归，难度直接减半。

---

4 核心2：Distance Cost 距离损失

公式

Δ=∑t=x,y(1−e−γρt)\Delta=\sum_{t=x,y}\left(1-e^{-\gamma \rho_{t}}\right)Δ=t=x,y∑(1−e−γρt)

ρx=(bcxgt−bcxcw)2,ρy=(bcygt−bcych)2\rho_{x}=\left(\frac{b_{c_{x}}^{gt}-b_{c_{x}}}{c_{w}}\right)^{2},\quad \rho_{y}=\left(\frac{b_{c_{y}}^{gt}-b_{c_{y}}}{c_{h}}\right)^{2}ρx=(cwbcxgt−bcx)2,ρy=(chbcygt−bcy)2

γ=2−Λ\gamma=2-\Lambdaγ=2−Λ

逐符号解释

• ρx,ρy\rho_x, \rho_yρx,ρy：归一化中心坐标差
• cwc_wcw：两个框的最小外接宽度
• chc_hch：两个框的最小外接高度
• γ\gammaγ：角度加权系数
  • 角度越准（Λ→1\Lambda→1Λ→1），γ→1\gamma→1γ→1，距离损失变小
  • 角度越差（Λ→0\Lambda→0Λ→0），γ→2\gamma→2γ→2，距离损失变大

通俗解释

角度对齐了，距离就好优化了；角度没对齐，先重点惩罚距离。

自动动态调整优化重心。

---

5 核心3：Shape Cost 形状损失

公式

Ω=∑t=w,h(1−e−ωt)θ\Omega=\sum_{t=w, h}\left(1-e^{-\omega_{t}}\right)^{\theta}Ω=t=w,h∑(1−e−ωt)θ

ωw=∣w−wgt∣max(w,wgt),ωh=∣h−hgt∣max(h,hgt)\omega_{w}=\frac{\left|w-w^{gt}\right|}{max(w,w^{gt})},\quad \omega_{h}=\frac{\left|h-h^{gt}\right|}{max(h,h^{gt})}ωw=max(w,wgt)∣w−wgt∣,ωh=max(h,hgt)∣h−hgt∣

逐符号解释

• wgt,hgtw^{gt}, h^{gt}wgt,hgt：真值框宽、高
• w,hw, hw,h：预测框宽、高
• ωw,ωh\omega_w, \omega_hωw,ωh：宽高差异归一化值
• θ\thetaθ：形状关注系数（默认=4，范围2~6）

通俗解释

平滑优化宽高，不干扰位置回归，避免形状突变导致框抖动。

---

6 核心4：最终 SIoU 框损失

公式

Lbox=1−IoU+Δ+Ω2L_{box}=1-IoU+\frac{\Delta+\Omega}{2}Lbox=1−IoU+2Δ+Ω

IoU=∣B∩Bgt∣∣B∪Bgt∣IoU=\frac{|B \cap B^{gt}|}{|B \cup B^{gt}|}IoU=∣B∪Bgt∣∣B∩Bgt∣

逐符号解释

• LboxL_{box}Lbox：最终框回归损失
• IoUIoUIoU：预测框与真值框的交并比
• Δ\DeltaΔ：角度加权距离损失
• Ω\OmegaΩ：形状损失

---

7 全文核心图片精讲（最重要部分）

图 3.示例展示了放置在坐标轴上的矩形与远离坐标轴的矩形的收敛情况。很明显，这是 SIoU 方法的体现。

偏轴场景收敛对比实验

左图：初始框远离坐标轴

右图：初始框在坐标轴上

• 红色：GT 真值
• 蓝色：SIoU 预测
• 灰色：CIoU 预测

关键结论：

• 偏轴场景：
  • SIoU：495 轮收敛
  • CIoU：1000 轮都不收敛
• 轴上场景：
  • SIoU：119 轮收敛
  • CIoU：190 轮收敛

图片分析：

只要预测框不在坐标轴上 ，CIoU 直接"失效"，

而 SIoU 靠角度引导，依然能快速收敛。

---

图 4. 对于 CloU 和 SIoU 而言，1715000 个模拟案例的总误差的二维图形展示。

171万种回归场景的全局误差曲面

左：CIoU 误差曲面 ------ 粗糙、陡峭、误差极大（最高400+）

右：SIoU 误差曲面 ------ 平滑、平坦、误差极小（最高＜10）

图片分析：

SIoU 让优化空间变得极其平坦 ，

模型无论从哪个起点开始，都能稳定收敛到最优解。

---

图 5. CloU 和 SIoU 损失在训练迭代过程中的误差图。

训练迭代误差曲线

横轴：迭代次数

纵轴：总回归误差

• SIoU 曲线下降更陡峭
• SIoU 最终误差远低于 CIoU

图片分析：

SIoU 收敛速度更快、收敛精度更高。

---

图 6. 在 COCO-train 数据集上使用所提出的 SloU 损失函数和广泛使用的 CloU 损失函数进行训练时所监测的参数。

COCO数据集完整训练曲线

从上到下依次：

精确率 → mAP@0.5 → mAP@0.5:0.95 → F1

蓝色：SIoU

红色：CIoU

图片分析：

SIoU 在所有指标上全面碾压 CIoU ，

且从头到尾保持领先。

---

8 实验表格（完整复现原文）

表格1（来自原文 Table 1）COCO 主实验

模型/损失	mAP@0.5	mAP@0.5:0.95
Scylla-Net-S + CIoU	66.4%	50.3%
Scylla-Net-S + SIoU	70.0%	52.7%
Scylla-Net-L + SIoU	74.3%	57.1%

表格分析：

• SIoU 相对 CIoU：+3.6% AP50
• SIoU 相对 CIoU：+2.4% AP
• 大模型收益更明显

---

表格2收敛速度对比

场景	损失	收敛轮数
偏轴	CIoU	1000+（不收敛）
偏轴	SIoU	495
轴上	CIoU	190
轴上	SIoU	119

---

表格3速度精度对比

模型	mAP@0.5:0.95	推理速度(ms)
EfficientDet-d7x	54.4%	153
YOLOv4	47.1%	26.3
YOLOv5x6	50.4%	6.1
Scylla-Net + SIoU	52.7%	7.6
Scylla-Net-L + SIoU	57.1%	12.0

表格分析：

SIoU 模型在精度超越 YOLOv5、EfficientDet 的同时，

保持极快的推理速度。

---

9 核心代码（PyTorch 完整版）

import torch
import torch.nn as nn

def siou_loss(preds, targets, theta=4.0, eps=1e-7):
    """
    完整 SIoU 损失实现
    preds: [N, 4] (x1, y1, x2, y2)
    targets: [N, 4] (x1, y1, x2, y2)
    """
    # 坐标拆分
    px1, py1, px2, py2 = preds.unbind(-1)
    tx1, ty1, tx2, ty2 = targets.unbind(-1)

    # 中心点、宽高
    pcx = (px1 + px2) / 2
    pcy = (py1 + py2) / 2
    pw = px2 - px1
    ph = py2 - py1

    tcx = (tx1 + tx2) / 2
    tcy = (ty1 + ty2) / 2
    tw = tx2 - tx1
    th = ty2 - ty1

    # ==================== IoU 计算 ====================
    inter = (torch.min(px2, tx2) - torch.max(px1, tx1)).clamp(0) * \
            (torch.min(py2, ty2) - torch.max(py1, ty1)).clamp(0)
    union = pw * ph + tw * th - inter + eps
    iou = inter / union

    # ==================== Angle Cost ====================
    sigma_x = (pcx - tcx) ** 2
    sigma_y = (pcy - tcy) ** 2
    sigma = torch.sqrt(sigma_x + sigma_y + eps)
    ch = torch.abs(pcy - tcy)
    x = ch / (sigma + eps)
    x = torch.clamp(x, -1. + eps, 1. - eps)

    angle = torch.asin(x)
    Lambda = 1 - 2 * torch.sin(angle - torch.pi / 4) ** 2

    # ==================== Distance Cost ====================
    cw = torch.max(tx2, px2) - torch.min(tx1, px1)
    ch = torch.max(ty2, py2) - torch.min(ty1, py1)

    rho_x = ((pcx - tcx) / (cw + eps)) ** 2
    rho_y = ((pcy - tcy) / (ch + eps)) ** 2
    gamma = 2 - Lambda
    Delta = (1 - torch.exp(-gamma * rho_x)) + (1 - torch.exp(-gamma * rho_y))

    # ==================== Shape Cost ====================
    omega_w = torch.abs(pw - tw) / (torch.max(pw, tw) + eps)
    omega_h = torch.abs(ph - th) / (torch.max(ph, th) + eps)
    Omega = (1 - torch.exp(-omega_w)) ** theta + (1 - torch.exp(-omega_h)) ** theta

    # ==================== SIoU Loss ====================
    loss = 1 - iou + (Delta + Omega) / 2
    return loss.mean()

---

10 全文总结（最精炼）

1. 痛点 ：传统 IoU 家族缺少角度监督，偏轴场景收敛极慢
2. 创新 ：SIoU 加入Angle Cost，先对齐方向再回归位置
3. 结构：角度 + 距离 + 形状 + IoU，四合一监督
4. 效果 ：
   • 收敛速度 提升 1 倍以上
   • COCO +2.4% AP 、+3.6% AP50
   • 优化曲面更平滑，几乎不发散
5. 地位 ：YOLOv6/v7/v8/v9 通用标配损失

---