请问论文中1/(w^2+h^2) 替换成1如何实现？

[KoapT]

今天阅读您的论文，提到ciou loss中 v对h和w求偏导时的问题。 由于w和h可能会非常小，所以为避免梯度爆炸您将1/(w^2+h^2) 替换成了1。 请问这在pytorch、tf这类自动求导的框架中如何实现？ 我看您的pytorch实现是增加了条件S：

S = (iou>0.5).float()
alpha= S*v/(1-iou+v)

是否能理解为，使用Iou>0.5这个条件，过滤掉了w和h很小的情况，从而1/(w^2+h^2) 不按照原论文替换为1？

[Zzh-tju]

因为我们发现在Pytorch中CIoU自动求导可以正常进行，限制在IoU>0.5是因为我们认为IoU<0.5长宽比不是那么重要。

[KoapT]

因为我们发现在Pytorch中CIoU自动求导可以正常进行，限制在IoU>0.5是因为我们认为IoU<0.5长宽比不是那么重要。

好的。谢谢回复！ 我在用tf1实现yolov4的时候，也在ciou loss的地方遇到了nan of inf的error， 不知道是不是您文中所说的问题导致。 我实现ciou的时候没有读paper，照着博客瞎写的，没有S的限制，也没有停止alpha的梯度。 还是该直接读paper的。