YOLOv7改进之WDLoss 独家首发更新|高效涨点2%改进用于小目标检测的归一化高斯 Wasserstein Distance Loss,提升小目标检测的一种新的包围框相似度度量

该教程为改进进阶指南,属于《芒果书》系列,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
内容出品:CSDN博客独家更新 @CSDN芒果汁没有芒果

内含·改进源代码·,按步骤操作运行改进后的代码即可
重点:有多个同学已经使用这个 Loss创新点自己的数据集改进做完实验: 在小目标检测上的效果很强!好几个mAP精度涨点了!!实测改进有效,有点强
YOLOv7改进之WDLoss 独家首发更新|高效涨点2%改进用于小目标检测的归一化高斯 Wasserstein Distance Loss,提升小目标检测的一种新的包围框相似度度量_第1张图片
本文内容包括 Normalized Gaussian Wasserstein Distance Loss论文 (SCI英文期刊) 理论部分和 代码实践|改进源代码部分 为原创内容,直接一键训练改进实验,适合用来模型改进。

文章目录

    • 一、Normalized Gaussian Wasserstein Distance 论文理论部分

你可能感兴趣的:(芒果改进YOLO进阶指南,目标检测,YOLO,计算机视觉)