yolov5使用最新MPDIOU损失函数,有效和准确的边界盒回归的损失,优于GIoU/EIoU/CIoU/EIoU(附代码可用)

文章目录

    • 1. 论文
      • 1.1. 主要目的
      • 1.2. 设计思路
    • 2 代码
    • 3.总结

1. 论文

MPDIoU: A Loss for Efficient and Accurate Bounding Box Regression
(一个有效和准确的边界框损失回归函数)
论文地址

1.1. 主要目的

当预测框与边界框具有相同的纵横比,但宽度和高度值完全不同时,大多数现有的边界框回归损失函数都无法优化。
为了解决上述问题,MPDIoU充分挖掘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框相似性比较指标MPDIoU,该指标包含了现有损失函数中考虑的所有相关因素,即重叠或不重叠区域、中心点距离、宽度和高度偏差,同时简化了计算过程。
yolov5使用最新MPDIOU损失函数,有效和准确的边界盒回归的损失,优于GIoU/EIoU/CIoU/EIoU(附代码可用)_第1张图片

论文中举例了,绿色框为真实目标框,红色框表示预测目标框,两幅图中预测目标框和真实目标框存在相同的长宽比,但是现象是不一致的

你可能感兴趣的:(yolo系列改进计划,YOLO)