FPDIoU Loss：用于旋转目标检测的高效边界框回归损失函数

边界框回归是目标检测的重要步骤之一。然而，旋转检测器常采用基于 SkewIoU 的更复杂损失函数，这不利于基于梯度的训练。现有旋转目标检测损失函数多仅关注两个边界框之间偏差，仅计算面积偏差或各点距离（如 $\mathcal{L}_{Smooth-\ell 1}$、$\mathcal{L}_{RotatedIoU}$ 和 $\mathcal{L}_{PIoU}$）。部分损失函数计算过程极为复杂（如 $\mathcal{L}_{KFIoU}$）。为提高旋转目标检测边界框回归的效率与精度，本文提出一种基于最小点距离的任意形状比较新型度量，综合考虑了现有损失函数中常见的重叠或非重叠面积、中心点距离及旋转角度等因素。我们还提出基于四点距离的损失函数 $\mathcal{L}_{FPDIoU}$，用于聚焦快速高质量锚框的精确边界框回归。实验表明，FPDIoU 损失已应用于 RTMDET、H2RBox 等前沿旋转目标检测模型训练，分别基于 DOTA、DIOR、HRSC2016 和 ICDAR 2017 RRC-MLT、ICDAR 2019 RRC-MLT 等三个旋转目标检测基准和两个任意方向场景文本检测基准，性能显著优于现有损失函数。