一、背景:
- 现有基于IoU的边界框回归方法主要通过添加新的损失项来加速收敛,忽略了IoU损失项本身的局限性,且在不同检测器和检测任务中不能自我调整,泛化性不强。
- 通过分析边界框回归模型,
inner_iou论文中发现区分不同的回归样本,并使用不同尺度的辅助边界框来计算损失,可以有效加速边界框回归过程。对于高IoU样本,使用较小的辅助边界框计算损失可加速收敛,而较大的辅助边界框适用于低IoU样本。
本文将YOLO26默认的CIoU损失函数修改成inner_IoU、inner_GIoU、inner_DIoU、inner_CIoU、inner_EIoU、inner_SIoU。
专栏目录:YOLO26改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
文章目录
二、原理
Inner-IoU: More Effective Intersection over Union Loss with Auxiliary Bounding Box
2.1 Inner - IoU计算原理
- 定义相关参数:
- 真实(GT)框和锚点分别表示为 B g t B^{gt} B
订阅专栏 解锁全文
6708



被折叠的 条评论
为什么被折叠?



