可以看出,相对于GIOU,DIOU的不仅收敛速度更快,准确率也更高。 我们再看一组图,图中给出了3组目标边界框与目标边界框的重合关系,显然他们的重合位置不相同的,我们期望第三种重合(两个box中心位置尽可能重合。这三组计算的IOU loss和GIoU loss是一模一...
DIOU Loss(Distance-IoU Loss)通过引入边界框中心点之间的距离来改进 GIOU Loss,从而更好地指导模型的训练过程。DIOU Loss 的核心思想是最小化两个边界框中心点之间的标准化距离。通过将中心点距离纳入损失函数的计算中,DIOU Loss 能够更好地衡量两个边界框之间的位置关系,从而提高模型对目标位置的预测精度。计算...
1)包含时计算得到的IOU、GIOU数值相等,损失函数值与IOUloss 一样,无法很好的衡量其相对的位置关系。 2)同时在计算过程中出现上述情况,预测框在水平或垂直方向优化困难,导致收敛速度慢。 DIoU Loss(Distance) 进化三:包含时,AUB不变,两个框距离变换,GIOU loss不变,改进为DIOU。 DIoU公式: d是A...
DIOU Loss:考虑了重叠面积和中心点距离,基于IOU解决GIOU收敛慢的问题; CIOU Loss:考虑了重叠面积、中心点距离、纵横比,基于DIOU提升回归精确度; EIOU Loss:考虑了重叠面积,中心点距离、长宽边长真实差,基于CIOU解决了纵横比的模糊定义,并添加Focal Loss解决BBox回归中的样本不平衡问题。 IOU LossGIOU LossDIOU Los...
GIoU=IoU−|Ac−U|Ac=CA+B−C−DEGIoU=IoU−|Ac−U|Ac=CA+B−C−DE loss=1−GIoUloss=1−GIoU 与IoU相似,GIoU也是一种距离度量 GIoU的范围是[-1, 1] GIOU Loss的范围在[0, 2] GIoU是IoU的下界,在两个框无限重合的情况下,IoU=GIoU=1 ...
IOU、GIOU、DIOU、CIOU损失函数的区别如下：1. IOU 公式：IOU = ，其中C为预测框与目标框的交集面积，E为预测框与目标框的并集面积。 IOU Loss：ln 或者 1 IOU。 优点：简单直观，直接衡量预测框与目标框的重叠度。 缺点：无法反映框内的细节信息和非重叠部分的情况。2. GIOU 公式：GIOU = ...
(1)DIoU loss可以直接最小化两个目标框的距离,因此比GIoU loss收敛快得多。 (2)对于包含两个框在水平方向和垂直方向上这种情况,DIoU损失可以使回归非常快。 (3)DIoU还可以替换普通的IoU评价策略,应用于NMS中,使得NMS得到的结果更加合理和有效。 缺点: ...
二、对 IoU Loss 和GIoU Loss 的分析 为了全面地分析IoU loss和GIoU的性能,论文进行了模拟实验,模拟不同的距离、尺寸和长宽比的bbox的回归情况。 1、Simulation Experiment 图3、Simulation Experiment 如图3所示,实验选择7个不同长宽比(1:4, 1:3, 1:2, 1:1, 2:1, 3:1, 4:1)的单元box(area=1)作为...
我们再看一组图,图中给出了3组目标边界框与目标边界框的重合关系,显然他们的重合位置不相同的,我们期望第三种重合(两个box中心位置尽可能重合。这三组计算的IOU loss和GIoU loss是一模一样的,因此这两种损失不能很好表达边界框重合关系)。但是DIOU计算出的三种情况的损失是不一样的,显然DIOU更加合理。
交叉熵、Focal loss、L1,L2,smooth L1损失函数、IOU Loss、GIOU、DIOU和CIOU,程序员大本营,技术文章内容聚合第一站。