CIOU 第2页

【目标检测中对IoU的改进】GIoU，DIoU，CIoU的详细介绍

文章目录1、IoU2、GIoU(GeneralizedIntersectionoverUnion)3、DIoU4、CIoU1、IoUIoU为交并比，即对于pred和GroundTruth：交集/并集1、

masterleoo·2023-08-19 14:57

YOLOv5基础知识入门（5）— 损失函数（IoU、GIoU、DIoU、CIoU和EIoU）

前言：Hello大家好，我是小哥谈。使用YOLOv5训练模型阶段，需要用到损失函数。损失函数是用来衡量模型预测值和真实值不一样的程度，极大程度上决定了模型的性能。本节就给大家介绍IoU系列损失函数，希望大家学习之后能够有所收获！前期回顾：YOLOv5基础知识入门（1）—YOLO算法的发展历程YOLOv5基础知识入门（2）—YOLOv5核心基础知识讲解YOLOv5基础知识入门（3）—目标检测相关知识

小哥谈·2023-08-13 11:38

目标检测中的几种交并比（ IoU ）计算方式

目录1、原始IOU的计算方式2、GIOU（GeneralizedIOU）2、DIoU（Distance-IoU）3、CIOU（Complete-IoU）IoU即IntersectionoverUnion

地球被支点撬走啦·2023-08-06 13:10

YOLOv8改进全新XIoU损失函数：首发最新改进｜结合XIoU损失函数，相比较CIoU改进涨点，YOLO改进Trick，提升网络模型性能、收敛速度和鲁棒性

包含大量的原创首发改进方式,所有文章都是全网首发原创改进内容本篇文章为YOLOv5、YOLOv7、YOLOv8芒果改进YOLO系列：YOLOv8改进全新XIoU损失函数：首发最新改进｜结合XIoU损失函数，相比较CIoU

芒果汁没有芒果·2023-08-05 12:08

YOLOv7、YOLOv5改进全新XIoU损失函数：独家首发最新改进｜YOLO改进Trick，相比较CIoU改进轻松涨点，提升网络模型性能、收敛速度和鲁棒性

,所有文章都是全网首发原创改进内容本篇文章为YOLOv5、YOLOv7、YOLOv8芒果改进YOLO系列：YOLOv7、YOLOv5改进全新XIoU损失函数：首发最新改进｜结合XIoU损失函数，相比较CIoU

芒果汁没有芒果·2023-08-05 12:08

复现YOLOv8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:ALossforEfficientandAccurateBoundingBoxRegression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论文简介边界盒回归(Boundingboxregression,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

一休哥※·2023-08-01 07:01

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:ALossforEfficientandAccurateBoundingBoxRegression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论文简介边界盒回归(Boundingboxregression,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

一休哥※·2023-08-01 07:30

yolov4

主干特征提取网络：DarkNet53=>CSPDarkNet532、特征金字塔：SPP，PAN3、分类回归层：YOLOv3（未改变）4、训练用到的小技巧：Mosaic数据增强、LabelSmoothing平滑、CIOU

爱吃肉c·2023-07-30 13:13

【目标检测】一文读懂IoU，GIoU, DIoU, CIoU, Alpha-IoU (代码非常优雅)

一文读懂IoU，GIoU,DIoU,CIoU,Alpha-IoU(代码非常优雅)转载自：博客，仅在此进行纪录。

北屿白·2023-07-20 17:48

目标检测常用的评价指标

目标检测常用的评价指标1IoU（IntersectionoverUnion）2GIoU（GeneralizedIoU）3DIoU（Distance-IoU）4CIoU（Complete-IoU）5EIoU

夏木夕·2023-07-14 11:36

损失函数：IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU超详细精讲及Pytorch实现

前言损失函数是用来评价模型的预测值和真实值不一样的程度，损失函数越小，通常模型的性能越好。不同的模型用的损失函数一般也不一样。损失函数的使用主要是在模型的训练阶段，如果我们想让预测值无限接近于真实值，就需要将损失值降到最低，在这个过程中就需要引入损失函数。而损失函数的选择又是十分关键的。一些常见的损失函数大家可以看我的这篇文章：Pytorch学习笔记（6）：模型的权值初始化与损失函数这篇我们主要讲

路人贾'ω'·2023-06-24 04:33

【IoU全总结】GIoU, DIoU, CIoU, EIoU&Focal, αIoU, SIoU,WIoU【基础收藏】

文内公式均为手打，非图片，方便查看文章目录L1Loss，L2Loss，smoothL1lossL1LossL2LossSmoothL1LossIoUGIoU（CVPR2019）DIoU（AAAI2020）CIoU

Aedream同学·2023-06-20 16:16

目标检测回归损失函数 IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU损失函数分析

目标检测回归损失函数IOU、GIOU、DIOU、CIOU、EIOU、FocalEIOU、alphaIOU损失函数分析一、IOULoss2016文章《UnitBox:AnAdvancedObjectDetectionNetwork

中科哥哥·2023-06-20 03:31

深度学习（22）——YOLO系列（3）

Mosaicdataaugmentation3.数据增强4.self-adversarial-training（SAT）5.dropblock6.labelsmoothing7.损失函数a.IOU损失b.GIOUc.DIOUd.CIOU8

柚子味的羊·2023-06-19 02:35

YOLOv8改进损失函数Wise-IoU：最新YOLOv8结合最新WIoU损失函数，超越CIoU, SIoU性能，涨点神器｜让YOLO模型高效涨点，目标检测的新损失

该教程为改进进阶指南，属于《芒果书》系列，包含大量的原创首发改进方式,所有文章都是全网首发原创改进内容本篇文章基于YOLOv8芒果改进YOLO系列：芒果改进YOLOv8系列：首发使用最新Wise-IoU损失函数，超越CIoU

芒果汁没有芒果·2023-06-17 00:07

yolo-v4

目录一：前言二：一些数据增强的方法三：自提议四：dropout普通的dropoutyolov4的dropblock五：Labelsmothing标签平滑六：GIOU，DIOU，CIOU七：对网络结构的改进

QTreeY123·2023-06-10 03:33

YOLO算法改进指南【初阶改进篇】：2.改进DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS

本篇将演示如何修改：NMS、Merge-NMS、Soft-NMS、CIoU-NMS、DIoU-NMS、GIoU-NMS、EIoU-NMS、SIoU-NMS1.NMS过程NMS过程ForapredictionboundingboxB

K同学啊·2023-04-20 19:42

YOLOv5及V8改进系列：替换IOU损失函数，SIoU、Wise-IoU等多种IoU一键替换

Wise-IoU：二、改进YOLOv8建议一、在YoloV5中添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU.1.YOLOv5替换Wise-IoU：YOLOv5中默认采用的是CIoU

一休哥※·2023-04-10 14:36

目标检测算法——YOLOv5/v7/v8改进结合涨点Trick之Wise-IoU（超越CIOU/SIOU）

超越CIOU/SIOU|Wise-IoU助力YOLO强势涨点！！！

加勒比海带66·2023-04-10 12:16

YOLO涨点Trick | 超越CIOU/SIOU，Wise-IOU让Yolov7再涨1.5个点！

作者|小书童编辑|集智书童点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【目标检测】技术交流群后台回复【2D检测综述】获取鱼眼检测、实时检测、通用2D检测等近5年内所有综述！边界框回归（BBR）的损失函数对于目标检测至关重要。它的良好定义将为模型带来显著的性能改进。大多数现有的工作假设训练数据中的样本是高质量的，并侧重于增强BBR损失的拟合能力。如果盲目地

自动驾驶之心·2023-04-10 12:42

YoloV8改进策略：将CIoU替换成Wise-IoU，幸福涨点，值得拥有，还支持EIoU、GIoU、DIoU、SIoU无缝替换。

文章目录摘要Wise-IoU论文翻译摘要简介A.ln−norm损失B.交集/并集C.聚焦机制相关工作A.BBR的损失函数B.带FM的损失函数方法仿真实验B.梯度消失问题的解决方法C.提出的方法实验A.实验设置B.消融实验结论改进方法获取源码结果验证V1版本的测试结果

AI浩·2023-04-10 12:41

YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU

YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU前言前提条件相关介绍IoU（IntersectionoverUnion）GIoU（Generalized-IoU）DIoU（Distance-IoU

FriendshipT·2023-04-09 17:41

目标检测之yolo系列模型-yolov4/yolox

yolov4较yolov3的优化点1.1网络结构层面(1)CSPDarknet53（借用CSP结构）(2)SPP(3)PAN（借用PANet）1.2优化策略(1)mosaic4张不同的图片拼接起来(2)ciou

Thomas_Cai·2023-04-09 00:22

目标检测中回归损失函数（L1Loss,L2Loss,Smooth L1Loss,IOU,GIOU,DIOU,CIOU,EIOU,αIOU ,SIOU)

文章目录L-normLoss系列L1LossL2LossSmoothL1LossIOU系列IOU（2016）GIOU（2019）DIOU（2020）CIOU（2020）EIOU（2022）αIOU(2021

zyw2002·2023-04-04 20:41

优化改进YOLOv5算法之添加GIoU、DIoU、CIoU、EIoU、Wise-IoU模块(超详细)

目录1、IoU1.1什么是IOU1.2IOU代码2、GIOU2.1为什么提出GIOU2.2GIoU代码3DIoU

AI追随者·2023-04-02 10:04

IOU_loss、DIOU_loss、GIOU_loss、CIOU_loss代码实现(分为torch版和numpy版)

损失函数代码实现和优缺点对比一、几种IOU损失的优缺点对比二、代码实现1、IOU2、DIOU3、GIOU4、CIOU一、几种IOU损失的优缺点对比二、代码实现1、IOU#----------------

tanjiawei1015@163·2023-03-31 12:29

AI大视觉（十五） | 损失函数进化史：MSE、IOU、GIOU、DIOU、CIOU、EIOU

本文来自公众号“AI大道理”。这里既有AI，又有生活大道理，无数渺小的思考填满了一生。目标检测任务的损失函数由两部分构成：ClassificationLoss和BoundingBoxRegeressionLoss。SmoothL1LossL1Loss（MeanAbsoluteError，MAE）平均绝对误差（MAE）是一种用于回归模型的损失函数。MAE是目标变量和预测变量之间绝对差值之和，因此它衡

AI大道理·2023-03-31 08:37

毕业设计记录-尝试修改NMS中的IOU算法

文章目录2022.1.15的记录2022.1.15的记录yolo3的损失函数讲解yolov5的损失函数的几点理解IOU、GIOU、CIOU、DIOUNMS非常感谢发布上面文章的博主，帮助太大了。

芃芃です·2023-03-31 07:34

计算机视觉知识点（一）——交并比（IoU）及其若干改进

交并比（IoU）前言IoU公式及示意图IoULoss缺点GIoULoss公式及示意图缺点DIoU公式及示意图CIoU前言目标检测是一个常见的计算机视觉任务，在目标检测任务中，交并比作为评判检测框的标准具有很重要的意义

艾醒(AiXing-w)·2023-03-31 07:11

项目实践 | 基于YOLO-V5实现行人社交距离风险提示

比如输入端采用mosaic数据增强，Backbone上采用了CSPDarknet53、Mish激活函数、Dropblock等方式，Neck中采用了SPP、FPN+PAN的结构，输出端则采用CIOU_Loss

小白学视觉·2023-03-30 12:48

改进 YOLO V5 的密集行人检测算法研究（论文研读）——目标检测

YOLOV5的密集行人检测算法研究（2021.08）摘要：1YOLOV52SENet通道注意力机制3改进的YOLOV5模型3.1训练数据处理改进3.2YOLOV5网络改进3.3损失函数改进3.3.1使用CIoU3.3.2

椒椒。·2023-03-30 11:08

YOLOV7改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU

在YoloV7中添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU.yolov7中box_iou其默认用的是CIoU，其中代码还带有GIoU，DIoU,AlphaIoU，文件路径

魔鬼面具·2023-03-23 21:54

YOLOV8改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU

在YoloV8中添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU.2023-2-7更新yolov8添加Wise-IoUB站链接yolov8中box_iou其默认用的是CIoU

魔鬼面具·2023-03-23 21:05

论文（四）YOLOv4解读及一些思考

3.主干网络采用mish：4.Dropblock5.SPP模块（neck）6.FPN+PAN（neck）7.Prediction创新（1）CIOU_loss（2）DIOU_nms8.YoloV4相关代码

weixin_40227656·2023-02-25 21:06

YOLOV5改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU

在YoloV5中添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU.2023-2-7更新yolov5添加Wise-IoUB站链接yolov5中box_iou其默认用的是CIoU

魔鬼面具·2023-02-19 07:13

芒果改进YOLOv7系列：SIoU等结合FocalLoss应用：组成Focal-EIoU｜Focal-SIoU｜Focal-CIoU｜Focal-GIoU、DIoU等改进点

所有文章都是全网首发原创改进内容本篇文章基于YOLOv5、YOLOv7芒果改进YOLO系列：芒果改进YOLOv5系列：FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU

芒果汁没有芒果·2023-02-19 07:13

芒果改进YOLOv5系列：FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU｜Focal-GIoU、DIoU等，实测 YOLOv5 模型高效涨点

所有文章都是全网首发原创改进内容本篇文章基于YOLOv5、YOLOv7芒果改进YOLO系列：芒果改进YOLOv5系列：FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU

芒果汁没有芒果·2023-02-19 07:08

yolov5增加iou loss，无痛涨点trick

yolo无痛涨点trick，简单实用先贴一张最近一篇论文的结果后来的几种iou的消融实验结果在一定程度上要优于CIoU，最新的WIoU暂时还没复现。

athrunsunny·2023-02-05 08:13

锚框损失论文下载 Iou-Loss【IoU Loss、GIoU Loss、 DIoU Loss 、CIoU Loss、 CDIoU Loss、 F-EIoU Loss、α-IoU Loss】

锚框损失Iou-Loss【IoULoss、GIoULoss、DIoULoss、CIoULoss、CDIoULoss、F-EIoULoss、α-IoULoss】论文打包下载yolo系列论文https://download.csdn.net/download/CeciliaXinn/85450684IOULoss系列论文https://download.csdn.net/download/Cecili

ChristinaXinny·2023-02-05 08:42

IoU Loss综述（IOU,GIOU,CIOU,EIOU,SIOU,WIOU）

边界框回归（BBR）的损失函数对于目标检测至关重要。它的良好定义将为模型带来显著的性能改进。大多数现有的工作假设训练数据中的样本是高质量的，并侧重于增强BBR损失的拟合能力。一、L2-norm最初的基于回归的BBR损失定义为L2-norm，L2-norm损失主要有两个缺点：1、边界框的坐标（以xt、xb、xl、xr的形式）被优化为四个独立变量。这个假设违背了对象的边界高度相关的事实。简单的分开计算

athrunsunny·2023-02-05 08:41

[pytorch yolo损失函数] yolo的损失函数[alpha_iou,alpha_diou,alpha_giou,alpha_ciou,alpha_siou]

yolo目标检测，做个简单的学习记录损失函数，参考1参考链接，alpha版的各种损失alpha_iou,alpha_diou,alpha_giou,alpha_ciou,alpha_siouyolov6

12..·2023-02-03 23:22

目标检测算法——YOLOV8——算法详解

Yolov8主要涉及到：backbone使用C2f模块，检测头使用了anchor-free+Decoupled-head，损失函数使用了分类BCE、回归CIOU+VFL（新增项目）的组合，框匹配策略由静态匹配改为了

TigerZ*·2023-02-03 08:23

芒果改进YOLOv5系列：首发使用最新Wise-IoU损失函数，具有动态聚焦机制的边界框回归损失，YOLO涨点神器，超越CIoU, SIoU性能，提出了BBR的基于注意力的损失WIoU函数

该教程为改进进阶指南，包含大量的原创首发改进方式,所有文章都是全网首发原创改进内容本篇文章基于YOLOv5、YOLOv7芒果改进YOLO系列：芒果改进YOLOv5系列：首发使用最新Wise-IoU损失函数，超越CIoU

芒果汁没有芒果·2023-02-03 07:06

芒果改进YOLOv7系列：结合最新Wise-IoU损失函数，涨点神器｜超越CIoU, SIoU性能，助力YOLOv7模型涨点1.4%，最新目标检测的损失函数

该教程为改进进阶指南，包含大量的原创首发改进方式,所有文章都是全网首发原创改进内容本篇文章基于YOLOv5、YOLOv7芒果改进YOLO系列：芒果改进YOLOv7系列：结合最新Wise-IoU损失函数，涨点神器｜超越CIoU