DIOU 第5页

交叉熵、Focal loss、L1，L2，smooth L1损失函数、IOU Loss、GIOU、DIOU和CIOU

下面总结一下常用的损失函数：图像分类：交叉熵目标检测：Focalloss、L1/L2损失函数、IOULoss、GIOU、DIOU、CIOUIOULoss：考虑检测框和目标框重叠面积。

假言命题·2020-07-06 17:27

目标检测中的IOU损失集合

目录一、IOU二、GIOU三、DIOU四、CIOU五、性能对比一、IOU1.IOU即为交并比，图像如下。

xxzccccccc·2020-07-06 16:37

YOLOV3-损失函数及其源代码理解

损失函数及其源代码理解（yolo_layer.c）讲得好https://github.com/AlexeyAB/darknet/issues/821x,y,w,h损失原版的bbox损失为MSE，其后又GIOU，DIOU

WHILEFALSETRUE·2020-07-04 05:14

YOLO-V4源码详解

cmBN、SAT自对抗训练；BackBone-->CSPDarknet53、Mish激活函数、Dropblock；Neck-->SPP、FPN+PAN结构；Prediction-->GIOU_Loss、DIOU_nms

爱旅行的球迷Engineer·2020-07-02 17:00

YOLOV4学习系列（三）结合代码讲解DIOU-NMS

YOLOV4没有用经典的NMS，取而代之的是DIOU-NMS。本博客接下来会讲解其原理和代码实现。

ltshan139·2020-07-02 10:27

物体检测——IOU系列（IOU/GIOU/DIOU/CIOU）

深度学习里非常重要的一块就是loss的设计，物体检测里怎么都逃不开IOU及其变种，一开始会使用bbox的距离作为loss，最近几年会将IOU变种直接作为loss训练，可以提点不少，让网络更容易学习到框的位置。IOU（IntersectionoverUnion）交并比，两个rect的交集面积除以并集，很直观，不适合作为loss在GIOU出现之前一般还是用bbox的距离作为lossdefbbox_io

朱铭德·2020-06-30 18:16

DIoU YOLOv3 | AAAI 2020：更加稳定有效的目标框回归损失

DIoU要比GIou更加符合目标框回归的机制，将目标与anchor之间的距离，重叠率以及尺度都考虑进去，使得目标框回归变得更加稳定，不会像IoU和GIoU一样出现训练过程中发散等问题。

yuanCruise·2020-06-24 22:08

IOU,GIOU,DIOU,CIOU

IOU:https://www.jianshu.com/p/e3bf67cd4459https://blog.csdn.net/leonardohaig/article/details/103394369?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth

听我的错不了·2020-06-02 15:55

【全网首发】 DIoU使用Tensorflow实现

【全网首发】DIoU使用Tensorflow实现计算机视觉方向的人员都知道DIoU是啥，在此不做解释，全网DIoU所查资料全为Torch版本，博主今天将DIoU用Tensorflow实现，绝对全网首发

GUET_DM_WLB·2020-05-25 11:45

目标检测中的回归损失函数系列四：DIoU Loss / CIoU Loss

论文：https://arxiv.org/pdf/1911.08287.pdf开源代码：https://github.com/Zzh-tju/DIoU-darknethttps://github.com

梦坠凡尘·2020-05-12 14:01

AAAI 2020 | DIoU和CIoU：IoU在目标检测中的正确打开方式

论文提出了IoU-based的DIoUloss和CIoUloss，以及建议使用DIoU-NMS替换经典的NMS方法，充分地利用IoU的特性进行优化。

晓飞的算法工程笔记·2020-03-27 10:00

深度学习之损失函数小结

接下来，总结一下，在工作中经常用到的损失函数：图像分类：交叉熵目标检测：Focalloss，L1/L2损失函数，IOULoss，GIOU，DIOU，CIOU图像识别：TripletLoss，CenterLoss

啊顺·2020-02-08 15:00

AAAI2020 目标检测算法DIoU YOLOv3 更加稳定有效的目标框回归损失,性能提升近3%

背景让我们回到IoU损失和GioU损失。IoU损失可以表示为：，从IoU的角度看，回归损失是可以解决的，但它的缺点是当两个框不想相交时，IoU损失总是1，不能给出优化方向。所以乔来了。GioU可以用以下公式表示：，可以看到，GioU在IoU的基础上添加了一个项，其中[formula]表示包含两个框的最小矩形，因此可以优化两个框不相交的情况。不过，GioU还是有问题。当两个框相交时，GioU损失降低

imalg图像算法·2019-12-25 10:45

踏板车

睿御110（2）联合本田1）新大洲本田，裂行10000左右，E影8500左右，E韵，Diou+新本联

文说心·2018-07-08 20:40

推荐频道

DIOU