YOLOv8-DFL分布焦点损失详解：提升边界框精度
在工业质检线上，一台摄像头正高速扫描PCB板。突然，一个仅占10×10像素的微小焊点缺陷被准确标记——这背后，正是YOLOv8中分布焦点损失（Distribution Focal Loss, DFL）的功劳。传统检测模型常因“差之毫厘”而漏检这类目标，但DFL通过将连续回归转化为概率分布学习，实现了亚像素级定位能力。
这不是简单的损失函数替换，而是一次思维范式的转变：把“预测一个数”变成“描述这个数可能落在哪里”。这种设计让模型不仅能说出“目标在x=4.3的位置”，还能表达出“我有70%把握它在4附近，30%可能偏移到5”的不确定性估计。接下来，我们将深入拆解这一机制如何重塑边界框回归任务。
从回归到分类：DFL的核心思想
目标检测中的边界框回归，本质上是预测四个偏移量（左、右、上、下）。过去的做法很直接：用神经网络输出一个实数，再用L1或Smooth L1损失去逼近真值。但问题也随之而来——当真实偏移是4.3时，模型必须精确拟合这个浮点数，稍有偏差就会被惩罚。更糟的是，在梯度反传过程中，这些细微误差容易淹没在大量简单样本中。
DFL换了个思路：既然难以精准预测4.3，那就问模型：“你认为这个值最像哪个整数？” 更进一步，“它有多大概率是4？多大概率是5？” 这样一来，原本的回归问题就被转化成了多分类概率估计任务。
具体来说，假设我们设定每个方向使用16个离散区间（bins），那么每一个偏移维度都将由一个长度为16的概率向量表示。例如，真实值4.3会被编码成两个相邻位置的概率分布——位置4对应权重0.7，位置5对应0.3。这种软标签（soft label）构造方式避免了硬分配带来的信息损失，也让网络可以通过加权平均还原出连续输出：
$$
\hat{t} = \sum_{i=0}^{15} \hat{p}_i \cdot i
$$
你会发现，即使bin大小为1单位长度，最终仍能恢复出小数结果。这就是DFL实现亚像素级精度的秘密所在。比起强行拟合浮点数，这种方式对网络更友好——毕竟深度模型天生擅长处理分类分布。
如何训练这样一个概率系统？
光有概率建模还不够，还得解决训练过程中的不平衡问题。图像中有成千上万个锚点，绝大多数都是背景或极易定位的实例。如果所有样本平等参与损失计算，模型很快就会被“简单负例”主导，忽视那些真正难分的边界情况。
为此，DFL借用了Focal Loss的思想——聚焦于低置信度的难样本。其损失函数形式如下：
loss = -weight_lower * (1 - exp(log_prob_lower)) ** 2 * log_prob_lower + -weight_upper * (1 - exp(log_prob_upper)) ** 2 * log_prob_upper这里的关键在于 $(1-\exp(\log p))^2$ 项，即 $(1-p)^2$。