剑指YOLOv5改进损失函数,具有自适应阈值的 Slide 权重函数,使模型在训练期间更加关注硬样本

本篇内容:剑指YOLOv5改进损失函数,设计具有自适应阈值的 Slide 权重函数,使模型在训练期间更加关注硬样本
本博客 改进源代码改进 适用于 YOLOv5 按步骤操作运行改进后的代码即可

:重点:该专栏《剑指YOLOv5原创改进》只更新改进 YOLOv5 模型的内容

剑指YOLOv5改进损失函数,设计具有自适应阈值的 Slide 权重函数,使模型在训练期间更加关注硬样本

论文理论部分 + YOLOv5 代码实践改进

文章目录

    • 论文理论部分 + YOLOv5 代码实践改进
      • 论文理论
      • 损失函数
    • YOLOv5 + 具有自适应阈值的 Slide 权重函数 源代码改进
      • 核心代码改进
      • 网络配置文件

论文理论

设计了具有自适应阈值的 Slide 权重函数,使模型在训练期间更加关注硬样本。

为了解决难易样本不平衡的问题&

你可能感兴趣的:(剑指YOLOv5原创改进,YOLO,计算机视觉,人工智能)