YOLOv7损失函数改进:SlideLoss创新升级,结合IOU动态调整困难样本的困难程度,提升小目标、遮挡物性能

 本文改进:SlideLoss_IOU,困难样本的困难程度(如小目标遮挡物)动态调整,创新度十足

SlideLoss_IOU |   亲测在多个数据集能够实现涨点,对小目标、遮挡物性能提升也能够助力涨点。

 收录:

YOLOv7高阶自研专栏介绍:

http://t.csdnimg.cn/tYI0c

✨✨✨前沿最新计算机顶会复现

YOLOv7自研创新结合,轻松搞定科研

持续更新中,定期更新不同数据集涨点情况
 

1.SlideLoss介绍

 论文:https://arxiv.org/pdf/2208.02019.pdf

YOLOv7损失函数改进:SlideLoss创新升级,结合IOU动态调整困难样本的困难程度,提升小目标、遮挡物性能_第1张图片

图 4:我们提出了一种新的损失,称为“滑动损失”,它自适应地学习正样本阈值参数和负样本阈值参数 µ。 在 µ

你可能感兴趣的:(YOLOv7高阶自研,python,开发语言,人工智能,YOLO,目标检测,神经网络,深度学习,1024程序员节)