提出了BBR的基于注意力的损失WIoU v1,它在仿真实验中实现了比最先进的SIoU更低的回归误差。 设计了具有单调FM的WIoU v2和具有动态非单调FM的WIoU v3。利用动态非单调FM的明智的梯度增益分配策略,WIoU v3获得了优越的性能。 对低质量的样本的影响进行了一系列详细的研究,证明了动态非单调调频的有效性和效率。 2...
静态:当边界框的 IoU 为某一指定值时有最高的梯度增益,如 Focal EIoU v1 动态:享有最高梯度增益的边界框的条件处于动态变化中,如 WIoU v3 单调:梯度增益随损失值的增加而单调增加,如 Focal loss 非单调:梯度增益随损失值的增加呈非单调变化 WIoU v1 构造了基于注意力的边界框损失,WIoU v2 和 v3 则是在...
9 WIoU v1 constructs the attention-based bounding box loss, and WIoU v2 and WIoU v3 add the focusing mechanism by constructing the calculation method of gradient gain (focusing coefficient) on this basis. 3.3. Join the SE The structure of SE8 is simple, and can be directly used in the ...
设计了具有单调FM的WIoU v2和具有动态非单调FM的WIoU v3。利用动态非单调FM的明智的梯度增益分配策略,WIoU v3获得了优越的性能。 对低质量的样本的影响进行了一系列详细的研究,证明了动态非单调调频的有效性和效率。 2、相关工作 2.1、回归损失函数 为了补偿l2-范数损失的尺度敏感性,YOLOv1通过对边界框的大小进行...
提出了BBR的基于注意力的损失WIoU v1,它在仿真实验中实现了比最先进的SIoU更低的回归误差。 设计了具有单调FM的WIoU v2和具有动态非单调FM的WIoU v3。利用动态非单调FM的明智的梯度增益分配策略。 对低质量的样本的影响进行了一系列详细的研究,证明了动态非单调调频的有效性和效率。