- 博客(1)
- 资源 (1)
- 问答 (3)
- 收藏
- 关注
RSS订阅原创 对损失函数CIoU的改进算法ICIoU
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、 Introduction二、The Proposed Method ICIoU基于边界框回归损失的目标检测器以其简单、高效的特点被广泛应用于计算机视觉领域。损失函数中定位算法的精度会影响网络模型检测结果的平均精度。我们在Complete Intersection over Union(CIoU)损失函数的基础上提出了一种改进的提高定位精度的算法。具体来说，该算法在于更全面的考虑预测框和真值框的匹配，利用预测框与真值框高宽.
2022-05-21 15:24:07
1910
3
卷积神经网络损失函数ICIoU
基于边界框回归损失的目标检测器以其简单、高效的特点被广泛应用于计算机视觉领域。损失函数中定位算法的精度会影响网络模型检测结果的平均精度。我们在Complete Intersection over Union(CIoU)损失函数的基础上提出了一种改进的提高定位精度的算法。具体来说，该算法在于更全面的考虑预测框和真值框的匹配，利用预测框与真值框高宽比尺寸的比例关系，在真值框和预测框对应的宽高比值相同条件下，考虑预测框对定位精度的影响因素，这样强化了惩罚函数的作用，提高了网络模型的定位精度。我们称这个损失函数是Improved CIoU (ICIoU)。在Udacity, PASCOL VOC(Pascal Visual Object Classes)和MS COCO(Microsoft Common Objects in Context)数据集上的实验，证明了ICIoU用于单级目标检测器YOLOv4在提高模型定位精度方面的有效性。所提出的ICIoU算法相比IoU可以在Udacity测试开发上显著提高AP 1.92%和AP75 3.25%。它还可以在PASCAL VOC上显著提高AP 1.7
2022-05-20
请继续YOLO系列的视频介绍
2021-09-05
请问如何在Darknet中用EfficientDet训练自己的数据集？
2020-08-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人