【RT-DETR实战】153、改进三：替换损失函数为EIoU+Varifocal Loss

从检测框的“跳舞”说起

上周调一个产线瑕疵检测模型，RT-DETR在靠近边缘的缺陷上总出问题——预测框像跳舞一样在目标周围晃动，就是不肯稳稳贴合。

IoU Loss在目标与锚框重叠度低时梯度消失，GIoU对长宽比不敏感，DIoU倒是考虑了中心点距离，但宽高比收敛还是慢。看着监控画面里那些抖动的检测框，我决定把损失函数彻底换掉。

为什么是EIoU+Varifocal？

传统目标检测的损失函数拆成两部分：分类损失和回归损失。YOLO系列用的CIoU+BCE已经不错，但在密集小目标场景下还是乏力。

EIoU在DIoU基础上直接对宽高差进行惩罚，收敛速度明显更快；Varifocal Loss则针对正负样本不平衡问题，让网络更关注高质量正样本。这两个组合起来，特别适合RT-DETR这种端到端检测器——它本来就没有NMS后处理，更需要精准的框回归和高质量分数预测。

EIoU到底改了哪里？

先看代码实现，对比一下CIoU和EIoU的核心区别：

# 这是CIoU的实现（常见版本）defbbox_ciou(box1