做目标检测训练的人十有八九都遇到过这种诡异情况模型在验证集上的分类精度很高但画出来的框总差那么一点要么整体向左滑了大半个身位要么边界没能贴合目标轮廓。我以前的第一反应是调anchor、改NMS阈值折腾几轮发现收益有限。直到有天闲着没事把YOLO26默认的CIoU损失换成MPDIoU一整套检测框突然就“规矩”了。损失函数这个入口虽然只占训练脚本几行代码却实实在在地决定了一个模型如何定义“预测框离真框有多远”。这篇记录就是围绕MPDIoU展开的它的几何含义、和主流IoU损失的差异以及在YOLO26里替换和调参的具体做法适合那种已经跑通YOLO训练、接下来想榨干定位精度的人。1. 边界框回归损失函数在目标检测里的位置与演进1.1 分类准不等于定位准回归损失才是“最后一厘米”目标检测任务看起来是分类加回归但绝大多数时候分类分支收敛得比回归分支快得多。你随便跑一个训练任务前几十个epoch里类别loss大概率已经降到很低可检测框还是歪歪扭扭的。原因很简单分类分支告诉模型“这里有什么”回归分支告诉模型“这个东西具体在哪”。实际应用里框偏一点都是不能接受的。比如行人检测框如果整体往左偏半个身位下游的任务去做轨迹预测这个误差会被无限放大工业质检里瑕疵框贴不准边缘判断就可能由“良品”变成“缺陷”。我发现很多同学在做YOLO系列改进时注意力全放在backbone、注意力模块、neck结构上很少去动损失函数。这个思路可以理解毕竟结构改进看着更“硬核”但损失函数其实决定了模型优化的根本方向。YOLO26这类模型分类任务通常用BCE或者交叉熵回归任务却经历过很多代变化。早期用Smooth L1后来发现IoU族损失更适合目标检测。原因也简单Smooth L1是在像素坐标层面计算距离对尺度特别敏感同样的偏移大目标看起来是微小的小目标看起来就是巨大的。IoU族损失天生做了归一化把重叠程度映射到0到1之间尺度鲁棒性好很多。我在实际调试中还有一个体会当mAP卡在某个阈值附近上不去时先别急着加模块看看回归损失曲线是不是已经平了。如果验证集上loss还在降但mAP不动那大概率是分类分支已经饱和瓶颈就在边界框回归上。这时候换一种返回损失往往比换一个backbone更直接。1.2 从IoU到CIoU解决一个旧问题又引入一个新问题IoU本身很好理解就是交并比。它最大的优点是尺度不变不管目标多大IoU都落在0到1之间。缺点同样明显预测框和真实框完全没有交集时IoU等于0梯度也直接消失模型根本学不到往哪个方向调整。哪怕是有交集IoU也无法区分“两个框交叉重叠”和“一个框包含另一个框”更无法度量对齐程度。GIoU试图用最小外接矩形的面积差来弥补这个缺陷。它的想法是除了看重叠面积还要看两个框之间“多出来没有覆盖到的空白区域”。这样即便IoU为0外接框带来的差值还能提供梯度。问题是GIoU收敛很慢尤其当两框是包含关系时外接框面积几乎等于大框面积惩罚项作用变得非常微弱。DIoU进一步引入中心点距离直接把“两个框中心差多远”作为惩罚项。这个改动效果很明显因为它提供了明确的方向信息模型知道该朝哪个方向移动中心点。CIoU则在DIoU基础上加了一个长宽比一致性惩罚希望模型不仅把中心挪过去还顺手把宽高比例也对齐。理论上是更完整了但实际用下来不一定好使。CIoU有个绕不开的问题模型预测框和真实框的中心已经完全重合时长宽比惩罚项是否还能起正面作用在某些等比例缩放的情况下惩罚项的梯度可能变得很弱回归会停滞。而且宽高比的梯度在计算时互相耦合一个方向上微调另一个方向也跟着变这就导致训练过程不稳定。EIoU把宽高距离拆开单独计算角度上再考虑SIoU却把公式越做越复杂超参也多起来。所以MPDIoU的出发点让我眼前一亮既然一个轴对齐框由左上角和右下角唯一确定直接用这两个角点的欧氏距离作为几何惩罚不是更直接吗它绕开了CIoU中宽高比的耦合问题也不需要像EIoU那样引入额外的加权超参。这就是它在收敛速度和回归精度上能超过CIoU的底层原因。2. MPDIoU的核心思想与几何原理2.1 两个角点定义了整个框角点对齐框就对齐在目标检测的轴对齐框设定下一个矩形可以由左上角坐标 (x1, y1) 和右下角坐标 (x2, y2) 唯一决定。中心点加宽高也是等价的表示但角点更贴近边框本身。MPDIoU的做法是计算预测框和真实框这两组角点的距离再叠加到IoU上。假设预测框为 Bp (x1, y1, x2, y2)真实框为 Bgt (x1_gt, y1_gt, x2_gt, y2_gt)。先算两个角点的欧氏距离平方d1^2 (x1 - x1_gt)^2 (y1 - y1_gt)^2d2^2 (x2 - x2_gt)^2 (y2 - y2_gt)^2然后用预测框和真实框的最小外接矩形宽度 w 和高度 h 做归一化。w^2 h^2 就是最小外接矩形对角线长度的平方。损失定义写成L_MPDIoU 1 - IoU d1^2 / (w^2 h^2) d2^2 / (w^2 h^2)等价地MPDIoU IoU - (d1^2 d2^2) / (w^2 h^2)。如果两个角点完全重合后面的惩罚项为0损失变成 1 - IoU此时框的位置和尺寸已经完全一致只剩IoU本身的重叠度评价。如果两个框错开角点距离就会变大惩罚项增大模型必须同时优化“重叠面积”和“边框对齐”两个方向。为什么不用四个角点距离其实对于轴对齐框左上角和右下角一旦对齐剩下两个角点自然也就对齐了。只取两个对角点已经足够实现和计算都省一半。而CIoU的中心点距离加宽高比本质上是把这个信息拆成了两部分还拆得不彻底所以MPDIoU在梯度回传上更干净。我最初看公式时还想过分目标检测里的坐标不是全部归一化尺度不一怎么办分母的 w^2h^2 本身就是尺度归一化项点距离被对角线长度除过之后变成了相对量。只要最小外接矩形不是极端小这个归一化就是合理的。2.2 相比CIoU、EIoU、SIoU优势与局限都在哪可以从几何约束的完整度和实现复杂度两个维度来看。CIoU约束的是中心距离和宽高比但宽高比并不是一个独立变量EIoU虽然把宽高距离拆开了公式更复杂SIoU甚至考虑了角度代价是引入更多计算。MPDIoU只用了两个角点的距离实现非常简单算法复杂度低收敛速度往往还更快。我用下面的表格做过一次快速对比损失额外几何约束约束形式实现难度主要特点IoU无重叠面积低无重叠时梯度消失GIoU最小外接框面积外接区域差异低收敛慢包含关系退化DIoU中心点距离中心点位置低梯度方向明确CIoU中心点距离、宽高比中心点形状中长宽比梯度耦合EIoU中心点、宽高距离中心点宽高独立中高超参略多MPDIoU双角点距离角点对齐低位置和尺寸同时约束原论文作者在公开目标检测数据集上做了大量对比结论是MPDIoU在收敛速度和最终mAP上都优于传统IoU系损失。我自己复现时的体感是大目标和中等目标上的提升比较稳定因为分母尺度较大惩罚项数值分布更合理。但它不是没有局限。极端长条形的目标会让角点距离在某一方向上非常敏感。比如一个横向很长、纵向很窄的目标竖直方向的微小偏移也会被角点距离惩罚放大这在小目标本来就密集的场景里容易导致训练震荡。另外如果预测框与真实框中心重合但宽高比例完全不同IoU部分会很小角点距离惩罚项也会很大这时模型要同时解决重叠和形状对齐两个问题压力比CIoU更集中。所以MPDIoU适合作为默认候选但遇到特定数据集仍需调整。3. 在YOLO26中集成MPDIoU的实操过程3.1 从一行替换开始找到损失函数的入口YOLO26的代码结构依然沿用“模型、损失、优化器”三个大模块。损失相关代码通常集中在项目的model/loss.py或engine/loss.py里不要整个重写只改边框回归部分就行。多数情况下你能找到类似这样的调用iou bbox_iou(pred_boxes, target_boxes, xywhTrue, CIoUTrue)这就是入口。先自己实现一个MPDIoU函数为了兼容不同的坐标格式我建议直接写一个同时支持xywh和xyxy的函数方便以后在多个项目里复用。import torch def bbox_mpdiou(pred, target, xywhTrue, eps1e-7): # 默认输入为xywh格式先转换到xyxy if xywh: px, py, pw, ph pred.chunk(4, dim-1) tx, ty, tw, th target.chunk(4, dim-1) pred_x1, pred_y1 px - pw / 2, py - ph / 2 pred_x2, pred_y2 px pw / 2, py ph / 2 target_x1, target_y1 tx - tw / 2, ty - th / 2 target_x2, target_y2 tx tw / 2, ty th / 2 else: pred_x1, pred_y1, pred_x2, pred_y2 pred.chunk(4, dim-1) target_x1, target_y1, target_x2, target_y2 target.chunk(4, dim-1) # 计算交集面积 inter_w torch.min(pred_x2, target_x2) - torch.max(pred_x1, target_x1) inter_h torch.min(pred_y2, target_y2) - torch.max(pred_y1, target_y1) inter inter_w.clamp(0) * inter_h.clamp(0) # 计算并集面积 pred_area (pred_x2 - pred_x1) * (pred_y2 - pred_y1) target_area (target_x2 - target_x1) * (target_y2 - target_y1) union pred_area target_area - inter eps iou inter / union # 最小外接矩形 enclose_x1 torch.min(pred_x1, target_x1) enclose_y1 torch.min(pred_y1, target_y1) enclose_x2 torch.max(pred_x2, target_x2) enclose_y2 torch.max(pred_y2, target_y2) w enclose_x2 - enclose_x1 h enclose_y2 - enclose_y1 # 两个角点的距离平方 d1 (target_x1 - pred_x1).pow(2) (target_y1 - pred_y1).pow(2) d2 (target_x2 - pred_x2).pow(2) (target_y2 - pred_y2).pow(2) # 归一化分母 den w.pow(2) h.pow(2) eps mpdiou iou - (d1 d2) / den return mpdiou代码里关键点是交集面积一定要clamp到0以上否则会出现负面积归一化分母加了eps防止除以0MPDIoU和IoU一样是越大越好训练时最终返回的损失是 1 - mpdiou 的均值。修改调用处时最简单的做法是这样iou bbox_mpdiou(pred_boxes, target_boxes, xywhTrue)如果怕影响原来的训练流程可以加一个开关iou bbox_mpdiou(pred_boxes, target_boxes, xywhTrue) if use_mpdiou else bbox_iou(pred_boxes, target_boxes, xywhTrue, CIoUTrue)我建议第一次实验时保留CIoU分支方便做对照也能在训练过程中随时切换回去。3.2 跑一轮对比别被单点mAP骗了替换完之后我拿了一个自己标注的道路目标数据集做对照实验。同一份数据、同样的优化器、固定随机种子训练到第140 epoch。默认CIoU的mAP0.5:0.95大概在0.612MPDIoU变体大约0.627看起来只提升了一个多点。但把预测结果可视化后感受完全不一样CIoU模型画出来的框喜欢“往目标中心缩”边框离目标边缘有缝隙MPDIoU模型则明显更贴合轮廓尤其在车辆和行人类别上边界紧实了很多。这个差异在mAP上只能体现一小部分但换成框的中心点误差统计差距能到5%以上。我还记录了一个有意思的现象前20个epoch两者损失曲线几乎重叠一度以为改了个寂寞。到了第35个epoch左右MPDIoU的回归损失下降曲线开始更平稳验证集上的定位差距逐渐拉开。到训练后期CIoU的回归损失还有一个回弹MPDIoU则相对稳定。这个“前期无差别、中期逐步拉开”的走势很符合角点惩罚在大尺度框上逐步生效的特征。另一份遥感数据集上的结果完全不同MPDIoU比CIoU掉了将近一个点。那个数据集小目标和极端长条物体特别多前面说的问题正好踩中。所以这种改进一定要带自己的数据做验证不能照搬结论。3.3 训练参数与常见手感损失函数替换后默认学习率通常还能接着用但我习惯把初始学习率降到原计划的0.8并保留原来的warmup轮数。原因很简单MPDIoU的角点惩罚项在训练早期可能会让部分预测框的损失数值比CIoU偏大如果学习率还在原来的档位回归分支容易震荡。损失权重不用专门调整。YOLO系列里box loss gain通常在0.05左右这个值是配合默认损失设计的MPDIoU的数值范围还是在0到1之间直接沿用问题不大。如果真想微调先看你的数据分布大目标占多数可以稍微调高回归权重让模型更在意定位小目标占多数反而要降低角点惩罚项的权重或者把分母加一个固定下界这个处理放在后面说。4. MPDIoU在实操中的常见问题与排查技巧4.1 训练到一半loss变成NaN怎么办替换MPDIoU之后遇到NaN第一反应先检查分母。如果预测框和真实框几乎完全重叠或者目标本身就特别小w^2h^2会非常接近0。即使加了eps在某些FP16混合精度训练场景下eps太小照样会溢出。解决办法是对分母做一次强制下限den torch.clamp(w.pow(2) h.pow(2), min1e-4) eps如果你的坐标是归一化到0到1之间的甚至可以把min设为1e-3。这样能挡住绝大多数除以0的问题。如果改了之后还是NaN那就去打印MPDIoU值看哪里出现了inf。我遇到过一次是回归分支输出极端坐标导致角点距离平方值巨大这其实和优化器梯度爆炸有关调低学习率、加EMA之后就自然消失了。还有一次是BatchNorm统计量在初期不稳定和损失函数本身无关。4.2 小目标场景越改越差怎么救小目标占比高的场景MPDIoU的原始公式容易出问题。原因还是分母小目标的w^2h^2很小角点距离哪怕只有几个像素在归一化之后也会被放大相当于把小目标的位置偏差放得过大模型被迫把大量精力花在“让角点绝对对齐”上反而忽视了整体的分类质量。我试过最直接的办法是给角点惩罚项加一个衰减系数alpha。在浅层负责小目标的特征层上把alpha设成0.5损失函数变成mpdiou iou - alpha * (d1 d2) / denalpha等于1就是原版等于0就退化回普通IoU。这个系数需要在小数据集上做几次网格搜索通常0.5到0.8之间比较常见。另一种不用超参的稳法是把分母做下限den torch.clamp(w.pow(2) h.pow(2), min1.0)当坐标归一化到0到1时分母最小为1角点惩罚项最多和点距离平方同量级不会无限放大。我实测这种改法能让小目标数据上的训练稳定很多代价是收敛速度比原版慢一些。两种方案选哪个取决于你是更怕调参还是更怕训练震荡。4.3 注意与正样本分配策略的耦合现在很多YOLO版本从静态anchor分配转向了动态分配比如task-aligned assigner。动态分配器在选择正样本时会同时考虑分类分数和回归损失把回归损失作为cost的一部分。你在这里把CIoU换成MPDIoU本质上改变了cost的数值分布正样本数量可能会明显变化。我踩过这个坑某次替换后训练曲线整体怪怪的一查统计正样本数量平均少了15%模型欠拟合。解决办法很简单把分配器的cost计算里也同步替换成MPDIoU让“选样本”和“训练样本”用同一个质量标准。如果项目里用的是静态匹配策略这个可以不用管但动态策略必须检查。判断方法也很朴素替换损失函数前后各跑30个epoch统计每张图正样本数量。如果波动超过10%就要去看分配器的回归代价项。这一条在常规博客里很少被提到但实际影响非常大。4.4 不能只盯mAP还要看框的偏移方向损失函数效果到底好不好只看mAP容易误判。mAP是按IoU阈值划分的比如0.5、0.75只要预测框和真框重叠超过阈值就算对它不敏感于“框整体往左偏了两个像素”这种细粒度偏差。但很多业务场景恰恰需要这种细粒度准确。我的习惯是训练完成后做三件事第一可视化一批验证集图片把预测框和真框同时画出来用肉眼感受边缘贴合程度第二统计所有预测框和对应真框的中心点欧氏距离平均值这个数值对定位精度很敏感第三分析不同尺寸目标的漏检和误检情况。实验里最直观的感受是CIoU模型喜欢把框往目标中心缩MPDIoU模型更喜欢把边框贴合目标边缘。如果你的业务对边缘要求高比如边缘检测、文字检测、医学病灶定位这个损失函数完全值得投入时间实验。5. 经验总结与后续扩展5.1 我的一点心得损失函数不是一个可以随便选个“涨点神器”换上去就完事的模块它定义了模型的学习偏好。MPDIoU用两个角点距离作为几何约束把回归目标从“只看重叠面积”提升到了“位置和尺寸同时对齐”理论上更严苛收敛也更快。但它的缺点同样来自这份严苛小目标、长条物体和极端尺度分布下需要额外做稳定化处理。我现在的一般选择策略是这样的第一候选就是MPDIoU先在小数据集上跑几个epoch看回归损失曲线如果目标整体偏小就在角点惩罚项上做alpha折减如果数据里长条物体多就把分母加上限或下限做保护。这样一套下来基本能规避MPDIoU的大多数坑。5.2 后续可以继续做的方向如果你想让MPDIoU更贴近自己的数据可以把角点距离拆成x方向和y方向两个独立项分别乘以不同权重。比如你的目标大多是横向的长条物体那对y方向误差的惩罚可以适当降低。这样改虽然多一两个超参但能让损失函数真正“跟随数据分布”。更进一步的组合是MPDIoU加IoU-aware分类分支让分类分支也感知定位质量。常规做法是用预测框和真框的IoU作为分类目标的一部分如果回归损失本身已经更准分类分支也能学到更可靠的质量信号。另一个思路是把MPDIoU当“预训练损失”用训练后期切回CIoU做细微调整。我在一次实验中试过这个组合mAP还能再涨零点几个点但这不是稳定规律只能算一个备选方案。最后说一个比较感性的体会训练目标检测模型瓶颈往往不是“网络不够深”而是损失函数没有把任务目标翻译准确。分类告诉模型看到了什么回归才告诉模型在哪里。MPDIoU这几行代码是我目前觉得性价比最高的回归改进之一。如果看完文章你打算动手先把训练日志里loss曲线的纵轴范围记下来然后再替换等你看到验证集上那些框突然变得服帖就会明白这种“小改动大收益”的快乐了。