YOLO11 改进系列 | 引入2022年 Focal-EIoU Loss：聚焦式宽高误差 bbox 回归改进，适合尺度变化明显和样本质量不均衡目标

YOLO11 改进 | Focal-EIoU 聚焦式宽高误差 bbox Loss 配置与源码解析

• • 一、本文简介
  • 二、Focal-EIoU 原理详解
  • • 2.1 为什么需要 Focal-EIoU
    • 2.2 EIoU 几何约束
    • 2.3 IoU focal 权重
    • 2.4 Focal-EIoU 最终 similarity
    • 2.5 Focal-EIoU 整体计算流程
  • 三、改进思想与创新点
  • • 3.1 背景与动机
    • 3.2 核心创新点
    • • 1. 在 EIoU 中显式拆分宽高误差
      • 2. 使用 IoU 质量生成 focal 权重
      • 3. 将 EIoU 与 focal 权重相乘
      • 4. 保持 YOLO11 训练流程兼容
    • 3.3 与常见 IoU Loss 对比
    • 3.4 在 YOLO11 中的适配方式
  • 四、完整代码
  • • 4.1 `ultralytics/utils/loss.py` 中的默认参数
    • 4.2 `ultralytics/utils/loss.py` 中的配置分支
    • 4.3 `ultralytics/utils/metrics.py` 中的 EIoU 分支
    • 4.4 `ultralytics/utils/metrics.py` 中的 Focal-EIoU 实现
  • 五、手把手配置步骤
  • • Step 1：确认当前仓库已注册 Focal-EIoU
    • Step 2：在训练配置中切换 box_loss
    • Step 3：检测任务训练示例
    • Step 4：实例分割任务训练示例
    • Step 5：命令行训练示例
  • 六、YAML 配置文件
  • • 6.1 Baseline：默认 CIoU
    • 6.2 EIoU 对照组
    • 6.3 Focal-IoU 对照组
    • 6.4 Focal-EIoU 主配置
  • 七、实验建议与常见问题
  • • 7.1 推荐消融顺序
    • 7.2 推荐观察指标
    • 7.3 不同数据集的选择建议
    • 7.4 常见问题
    • • 7.4.1 Focal-EIoU 会改变模型结构吗？
      • 7.4.2 `focal_eiou` 和 `focaleiou` 有区别吗？
      • 7.4.3 Focal-EIoU 和 EIoU 有什么区别？
      • 7.4.4 当前 `gamma` 参数是多少？
      • 7.4.5 Focal-EIoU 和 Focaler-EIoU 有什么区别？
      • 7.4.6 YOLO11-seg 可以使用 Focal-EIoU 吗？
  • 八、总结

专栏系列：YOLOv11 Loss 改进实战 分类专栏推荐：YOLOv11 改进实战、YOLO Loss 改进、目标检测与实例分割 文章标签推荐：YOLO11、目标检测、实例分割、Focal-EIoU、EIoU、Focal Loss、bbox loss 改进点：Focal-EIoU 聚焦式 bbox 回归损失 源码入口：ultralytics/utils/loss.py 中 focal_eiou / focaleiou bbox loss 分支 适用任务：目标检测、实例分割中的 bbox 回归分支 支持配置：focal_eiou、focaleiou

一、本文简介

本文介绍 YOLO11 中已经接入的 2022 年 Focal-EIoU bbox 回归 Loss。Focal-EIoU 的核心思想是：在 EIoU 对中心距离和宽高误差进行显式建模的基础上，引入由基础 IoU 质量生成的 focal 权重，使不同定位质量样本对 bbox 回归的贡献发生重新分配。

当前仓库中，Focal-EIoU 通过 box_loss 配置启用：

<