YOLOv7原创改进损失函数Repulsion:独家首发最新改进Repulsion Loss解决目标遮挡场景下检测,为解决密集人群检测中遮挡设计的损失函数,打造高效检测器涨点

本篇内容:YOLOv7原创改进损失函数Repulsion:首发最新改进 Repulsion Loss 解决目标遮挡场景下的目标检测,为解决密集人群检测中遮挡设计的损失函数,打造高效检测器涨点

CSDN芒果汁没有芒果:独家首发创新点改进

本博客 改进源代码改进 适用于 YOLOv5、YOLOv7、YOLOv8… 等等YOLO系列YOLOv7针对数据集中目标遮挡检测难点,精度性能!!

在检测行人任务中,由于行人之间互相遮挡,导致检测器容易受遮挡的干扰,给出错误的预测框。
研究人员先是从数据集上进行分析,描述了遮挡对行人检测带来的影响。后面受吸引,排斥的启发,提出了《Repulsion Loss 创新点》来尽可能让预测框贴近真实框的同时,又能与同类排斥,进而避免误检。将其应用到YOLOv5、YOLOv7、YOLOv8系列检测器中,进一步提升YOLO系列遮挡检测的性能

Repulsion 论文理论部分 + 结合 YOLOv7 首发原创最新 代码实践改进

涨点反馈:
YOLOv7原创改进损失函数Repulsion:独家首发最新改进Repulsion Loss解决目标遮挡场景下检测,为解决密集人群检测中遮挡设计的损失函数,打造高效检测器涨点_第1张图片

你可能感兴趣的:(芒果改进YOLO高阶指南,YOLO,深度学习,人工智能)