CIoU的成长之路

原始的IOU损失函数只要IOU不相交。损失函数不变

 

第一次升级,GIOU:不相交时,两个框的距离变化,loss不变,改进为GIoU loss.

CIoU的成长之路_第1张图片

第二次升级,DIOU:完全包含时,两个框的距离变化,loss不变,改进为DIoU loss.

 

CIoU的成长之路_第2张图片

第三次升级,CIOU:中心点重合但宽高比不同时, loss不变,改进为CIoU loss.

 

CIoU的成长之路_第3张图片 CIoU的成长之路_第4张图片

CIoU的惩罚项是在DIoU的惩罚项基础上加了一个影响因子a,v,这个因子把预测框长宽比拟合目标框的长宽比考虑进去。其中a是用于做trade-off的参数,v是用来衡量长宽比一致性的参数。

 

你可能感兴趣的:(计算机视觉,损失函数,IOU,深度学习,人工智能,python)