为了解决上述问题,一系列改进的IOU loss 被提了出来。 GIOU loss 当真值框和检测框之间没有交集的时候,理应这时候应该是损失比较大的时候,且需要指引网络,朝着二者重叠度高的方向逼近,但是以 IOU loss 的计算方式,当检测框和真值间没有重叠时,这明显不合理。为了解决这个问题,一种广义 IOU loss ,即GIOU loss,...
α是用于平衡IoU和长宽比差异的权重项。 总结: CIOU Loss 通过结合IoU、预测框与真实框中心点之间的距离、以及它们的长宽比差异,使得模型在训练过程中更好地优化预测框的位置和形状。这使得CIOU Loss在目标检测任务中往往能获得更高的性能,尤其在处理重叠少或大小差异大的目标时表现突出。
Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression 论文 Adelaide, Australia 时间:2019.2 摘要IoU是目标检测中最常见的评估指标,但是目前常用检测任务中的BBox的回归损失(MSE,l1等)优化和IoU优化不是完全等价的。故...常用的Loss函数例如l1,l2范数等却对尺度敏感,故用来做IoU...
IoU Loss大一统是什么意思? 在本文中,作者将现有的基于IoU Loss推广到一个新的Power IoU系列 Loss,该系列具有一个Power IoU项和一个附加的Power正则项,具有单个Power参数α。称这种新的损失系列为α-IoU Loss。在多目标检测基准和模型上的实验表明,α-IoU损失: 可以显著地超过现有的基于IoU的损失; 通过调节α,...
Focaler-IoU结合了IoU(Intersection over Union)和Focal Loss的思想,通过引入一个可学习的关注因子来调整不同样本的权重。在训练过程中,关注因子会根据回归结果动态调整,使得回归器更加关注那些对定位精度影响较大的样本。 论文《Focaler-IoU:更聚焦的IoU损失》...
一. Iou_loss 最初的目标检测损失函数Iou_loss定义为黄色面积与绿色面积之比。然而，该函数存在以下问题：（1）在Iou_loss函数中，当IOU等于0时，无论是距离近的框还是距离远的框，损失值相同，但理论上距离越近的框应具有更小的损失。（2）在Iou_loss函数中，当IOU值相同时，损失值也相同，无法...
目标检测任务的损失函数一般由 Classificition Loss(分类损失函数)和Bounding Box Regeression Loss(回归损失函数)两部分构成。 Bounding Box 回归损失函数近些年的发展过程是:Smooth L1 Loss --> IoU Loss(2016)–> GIoU Loss(2019)–> DIoU Loss(2020)–> CIoU Loss(2020)–> EIoU Loss (2022...
IOU loss的全称是Intersection over Union loss,它计算的是预测框与真实框之间的重叠区域面积占两者并集的比例。其计算方式可以表示为: $IOU = \frac{预测框面积∩真实框面积}{预测框面积∪真实框面积}$ 在计算IOU loss时,我们需要将预测框与真实框的IOU值作为损失函数的一部分。预测框与真实框的IOU值越大,说明...
论文标题:Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression 收录于CVPR 2019 因为整体思想形式比较简单,因此笔记不做赘述。 整体来说本文提出了一个通用的trick,即用GIoU来替换bounding box回归损失函数,而GIoU可看作是对于IoU指标的一个改进。 在作者...论文...
在本文中,作者通过在现有的IoU Loss中引入power 变换,提出了一个新的IoU损失函数。首先将Box-Cox变换应用于IoU损失,并将其推广为power IoU loss:αααα,记为α。这里进一步简化α为αα,并将其推广到更一般的形式通过加上额外的power正则化项。这使本文所提损失函数能够概括现有的基于IoU的损失,包括GIoU、DI...