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-EIoU2.2 EIoU 几何约束2.3 IoU focal 权重2.4 Focal-EIoU 最终 similarity2.5 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-EIoUStep 2：在训练配置中切换 box_lossStep 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 CIoU6.2 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/focaleioubbox 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：