复现YOLOv5改进最新MPDIoU:有效和准确的边界盒回归的损失,打败G/E/CIoU,效果明显!!!

MPDIoU: A Loss for Efficient and Accurate Bounding Box Regression

  • 论文简介
    • MPDIoU核心设计思路
    • 论文方法
    • 实验部分
  • 加入YOLOv5代码

论文地址:https://arxiv.org/pdf/2307.07662.pdf
复现YOLOv5改进最新MPDIoU:有效和准确的边界盒回归的损失,打败G/E/CIoU,效果明显!!!_第1张图片

论文简介

  边界盒回归(Bounding box regression, BBR)广泛应用于目标检测和实例分割,是目标定位的重要步骤。然而,当预测框与groundtruth盒具有相同的纵横比,但宽度和高度值完全不同时,大多数现有的边界盒回归损失函数都无法优化。为了解决上述问题,我们充分挖掘了水平矩形的几何特征,提出了一种新的基于最小点距离的边界盒相似度比较度量MPDIoU

MPDIoU核心设计思路

初始时,

你可能感兴趣的:(YOLOv8,YOLO5系列改进专栏,YOLOv8改进系列,YOLO,回归,数据挖掘)