改进YOLOv5系列:首发结合全面多种类Loss,包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / FocalLoss等
- 该教程为改进进阶指南,包含大量的原创首发改进方式, 所有文章都是全网首发原创改进内容
降低改进难度,改进多种结构演示
- 本篇文章基于 基于
YOLOv5
网络最新结合不同Loss,包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / Focal Loss等改进。
- 重点:有不少同学已经反应 专栏的教程 提供的网络结构 在数据集上
有效涨点!!!
- 重点:进阶专栏内容持续更新中☁️️,订阅了该专栏的读者务必·
私信博主
·加·全新创新点进阶交流群·群内不定时会发一些其他未公开的Tricks.
- 另外内容包括
理论部分
和代码
,代码直接运行
文章目录
-
- 一、Generalized Focal Loss
-
- 训练和推理之间定位质量估计和分类得分的使用不一致
- 边界框的不灵活表示
- 方法
- 1. Focal Loss
-
- 2. QualityFLoss
-