最新IOU损失汇总

  1. IOU_Loss主要考虑检测框和目标框重叠面积。
    最新IOU损失汇总_第1张图片

  2. GIOU_Loss在IOU的基础上,解决边界框不重合时的问题。
    最新IOU损失汇总_第2张图片在这里插入图片描述

  3. DIOU_Loss在IOU和GIOU的基础上,考虑边界框中心点距离的信息。
    最新IOU损失汇总_第3张图片最新IOU损失汇总_第4张图片

  4. CIOU_Loss在DIOU的基础上,考虑边界框宽高比的尺度信息最新IOU损失汇总_第5张图片
    注意: arctan设计用于在反向传播求导时,防止梯度爆炸。由于计算CIoU损失涉及到反三角函数,通过对比实验可知,计算CIoU损失的过程比较耗时,最终会拖低整体训练时间,而带来的精度收益确不是很高,有点得不偿失,因此使用不是特别广泛。

  5. EIOU_Loss,宽高比例改成了分别回归宽高值。
    最新IOU损失汇总_第6张图片

  6. SIOU_Loss,加入了角度信息,加速回归。
    最新IOU损失汇总_第7张图片最新IOU损失汇总_第8张图片
    最新IOU损失汇总_第9张图片最新IOU损失汇总_第10张图片
    最新IOU损失汇总_第11张图片

  7. Alpha-IOU_Loss
    最新IOU损失汇总_第12张图片

  8. CDIoU_Loss,基于之前IoU giou diou ciou的种种问题,CDIoU,在不增加计算开销的前提下运行效率和精度显著提升。CDIoU损失收敛更快并且大大减少了计算复杂度。
    最新IOU损失汇总_第13张图片

在这里插入图片描述

参考文献:

  • https://zhuanlan.zhihu.com/p/143747206
  • https://zhuanlan.zhihu.com/p/537428926
  • https://blog.csdn.net/zhouchen1998/article/details/115350648

你可能感兴趣的:(深度学习,深度学习,计算机视觉,人工智能,目标检测)