视频网站开发流程图,wordpress幻灯片主题,企业起名字大全免费,网站开发ios文章目录 1、IoU2、GIoU(Generalized Intersection over Union)3、DIoU4、CIoU 1、IoU
IoU为交并比#xff0c;即对于pred和Ground Truth#xff1a;交集/并集 1、IoU可以作为评价指标使用#xff0c;也可以用于构建IoU loss 1 - IoU 缺点#xff1a; 2、对于pred和GT相… 文章目录 1、IoU2、GIoU(Generalized Intersection over Union)3、DIoU4、CIoU 1、IoU
IoU为交并比即对于pred和Ground Truth交集/并集 1、IoU可以作为评价指标使用也可以用于构建IoU loss 1 - IoU 缺点 2、对于pred和GT相交的情况下IoU loss可以被反向传播因为IoU不为0可以计算梯度。但是二者不相交的话梯度将会为0无法优化。 3、pred和GT不相交时IoU为0因此无法判断二者距离是远还是近 4、IOU不能反映两个物体如何重叠相交方式。两种情况下的IOU均为0.14但(a)中两框要比(b)中的相交更整齐一些。 2、GIoU(Generalized Intersection over Union)
考虑到上述IoU的缺点在GIoU中做了改进。 C是包含A与B的最小框即两个框的外接矩形框 1、GIoU对不相交的情况下不为0因此使用GIoU loss 1 - GIoU可以进行梯度的反向传播 2、GIoU可以反应二者的相交情况对的更齐时GIoU更大例如上面的第二幅图 3、GIoU可以更好的反应pred和GT之间的距离情况 3、DIoU
DIoU主要考虑了如下的情况 即pred完全在GT内部IoU和GIoU就相同了不能判断pred中心位置是否接近GT中心因此DIoU Loss是在IoU Loss基础上引入一个距离惩罚项定义如下 上述损失函数中bbgt分别代表了anchor框和目标框的中心点且$$代表的是计算两个中心点间的欧式距离。c代表的是能够同时覆盖anchor和目标框的最小矩形的对角线距离相当于做了归一化d/c如下图所示。 1、与GIoU loss类似DIoU loss在与目标框不相交时梯度不为0可以进行优化。 2、收敛更快DIoU loss可以直接最小化两个目标框的距离而GIOU loss优化的是两个目标框之间的面积因此比GIoU loss收敛快得多。 3、对于包含两个框在水平方向和垂直方向上这种情况DIoU损失可以使回归非常快而GIoU损失几乎退化为IoU损失 DIoU要比GIoU更加符合bbox回归的机制将GT与pred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。
4、CIoU
考虑到pred和GT之间的长宽比也是很重要的因此CIOU Loss又引入一个box长宽比的惩罚项
参考链接https://blog.csdn.net/leonardohaig/article/details/103394369
