低质量的 包围框 iou 值，让其更有用

最新推荐文章于 2024-01-07 14:12:00 发布
最新推荐文章于 2024-01-07 14:12:00 发布
阅读量811 收藏 1
点赞数
分类专栏： 神经网络 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ONE_SIX_MIX/article/details/83049290
版权

下面 iou = 0.5 的两种情况，在 iou 无法提高的情况下，可以让预测框更符合某种形状，或某种状态，例如下面第二种状态，大部分时候比第一种要好
方法：增加一个loss，使预测框重叠真实框时有更大的损失

在这里插入图片描述

ONE_SIX_MIX
关注
专栏目录
YOLOv8改进：IOU创新篇 | 引入MPDIou、WIoU、SIoU、EIoU、α-IoU，在不同场景实现涨点
会AI的学姐
11-05 1214
IOU创新篇 | 引入MPDIou、WIoU、SIoU、EIoU、α-IoU，在不同场景实现涨点
TPAMI 2024 | Box2Mask: 基于包围盒的实例分割算法
最新发布
小白学视觉
08-19 447
与使用像素级掩码标签的全监督方法不同，基于包围盒注释的实例分割利用简单的框注释，最近吸引了越来越多的研究关注。本文提出了一种新颖的单次实例分割方法，即Box2Mask，它将经典水平集演化模型整合到深度神经网络学习中，仅使用包围盒监督就能实现精确的掩码预测。具体来说，输入图像及其深度特征被用来隐式地演化水平集曲线，并且使用基于像素亲和核的局部一致性模块来挖掘局部上下文和空间关系。
YOLOV5改进（Soft-NMS（多种IOU））
eagleflying_cau的博客
06-10 1292
在这个后面可以加CIOU/DIOU/SIOU/GIOU/EIOU=True,不加的话就默认是IOU。（1）将以下代码复制到utils/general.py中。2.在训练时用general里面的这个。在验证时把上面的注释掉，用这个。
UNnet分割训练的iou很好，test的iou特别低，该怎么办？
chenyuan1111的博客
01-07 490
如果我们类别不均衡，恰好测试集里面有类别是训练集里面没有的就会出现问题。
目标检测：IoU介绍及其改进
qq_50001789的博客
06-26 2552
在目标检测中常用到一个指标IoU，又称交并比，用于衡量一幅图像中两个边界框的重合度。在训练阶段，可以用于衡量锚框和物体边界框之间的相似度，来给每个锚点划分正负样本，即给锚点匹配标签，同时也可以用作损失函数，通过提高预测边界框与真实边界框之间的相似度来改善网络预测物体边界框的能力；在测试阶段，可以利用IoU来衡量预测边界框之间的重合度，用于过滤重合度高的边界框，即参与NMS运算。计算公式边界框A和边界框B之间的交集区域面积除以并集区域面积IoUA∩BA∪BIoUA∪BA∩B​。
边框回归的损失函数_目标检测回归损失函数——IOU、GIOU、DIOU、CIOU
weixin_39569543的博客
12-22 1904
一、IOU Loss上一篇文章提到L1,L2及其变种只将Bounding box的四个角点分别求loss然后相加，没有引入box四个顶点之间的相关性并且模型在训练过程中更偏向于尺寸更大的物体。在此基础上旷视在2016文章《UnitBox: An Advanced Object Detection Network》中提出了IOU Loss将4个点构成的box看成一个整体做回归。文章链接：https:...
重新思考基于IoU的单阶段3D目标检测优化 - 旋转解耦IoU（RDIoU）方法的有效性验证
+v：mala2255获取更多论文重新思考基于IoU的单阶段3D目标检测优化Hualian Sheng1、 2、 3、Sijia Cai2、Na Zhao3、Bing Deng2、JianqiangHuang2、Xian-Sheng Hua2、Min-Jian Zhao1和Gim Hee Lee31浙江大学2阿里云...
多任务自监督边界框标注回收目标检测
1多任务自监督边界框标注回收目标检测Wonhee Lee Joonil Na Gunhee Kim首尔国立大学，韩国{wonhee，joonil}@vision.snu.ac.krgunhee@snu.ac.krhttp://vision.snu.ac.kr/projects/mtl-ssl-detection摘要尽管最近深度...
端到端学习的非最大值抑制方法提高目标检测的效果
1学习非最大值抑制扬·霍桑·罗德里戈·贝嫩松马克斯·普朗克信息研究所，德国firstname. mpi-inf.mpg.de伯特·席勒摘要目标检测器从向端到端学习范式的转变中获益匪浅：建议、特征和分类器成为一个神经网络，在一般...
写给初学者的YOLO目标检测 概述
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
04-27 1万+
目标检测（Object detection）是计算机视觉中使用的一种技术，用于识别和定位图像或视频中的对象。图像定位是指使用边界框（bounding boxes）来识别一个或多个对象的正确位置的过程，这些边界框对应于围绕对象的矩形形状。这个过程有时会与图像分类或图像识别混淆，后者旨在将图像或图像中的对象预测为类别或类别之一。下面的插图对应于上述解释的计算机视觉技术。在图像中检测到的对象是“人”。在本文中，将首先了解目标检测的优势，然后介绍最先进的目标检测算法YOLO。在第二部分中，我们将更加关注。
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路水体(七)——不依赖增强样本提高训练iou和测试iou的尝试
Laney_Midory的博客
10-04 1014
发现使用增强样本对iou的提升并没有料想中的好。每隔5次输出权重，得到测试iou最高的一次权重。能否优化我们的训练和测试来尝试得到更好的结果呢。并且将训练和测试样本划分为7.5：2.5。确实样本因素是导致iou结果低的首要问题。这里经过老师的提醒经历了很多“事故”总结了出现的各种问题并进行解决。首先是没有完全纯净的测试样本。并且对iou较低的进行了筛选。并且对代码进行了修改和整合。这样看来结果稳定在70多%于是这里直接返璞归真。
IOU小结
飞羽QQ
07-03 1306
机器学习01 scikit-learn 安装scikit-learn 详情见scikit-learn官方文档（中文版）
MTCNN中的重叠度IOU和非极大值抑制NMS原理及Python实现
weixin_44928646的博客
02-27 988
MTCNN中的重叠度IOU和非极大值抑制NMS原理及Python实现 一.重叠度iou 从在一张照片上框人脸时，因为图像金字塔的原因可能会把人脸框两次以上，每个框的坐标为[X1,Y1X2,Y2,C]，其中X1,Y1是框左上角的点，X2,Y2是框右下角的点，C是置信度：这个框正确框到人脸的程度。在MTCNN中，iou包含两种：最小框iou、并集iou。 原理 1.并集iou 如下图所示，并集iou为...
目标检测之 IoU
07-06 283
IoU 作为目标检测算法性能 mAP 计算的一个非常重要的函数。 但纵观 IoU 计算的介绍知识，都是直接给出代码，给出计算方法，没有人彻底地分析过其中的逻辑，故本人书写该篇博客来介绍下其中的逻辑。 1. IoU的简介及原理解析 IoU 的全称为交并比（Intersection over Union），通过这个名称我们大概可以猜到 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。 开始计算之前，我们首先进行分析下交集和并集到底应该怎么计算：我们首先
yolov5增加iou loss（SIoU,EIoU,WIoU），无痛涨点trick
athrunsunny的博客
02-03 1万+
如果需要应用对应的IoU loss的变体，即可将Focal设置为True，并将对应的IoU也设置为True，如CIoU=True，Focal=True时为Focal-CIoU，此时可以调整gamma，默认设置为0.5。本文将在yolov5的基础上增加SIoU，EIoU，Focal-XIoU（X为C,D,G,E,S等）以及AlphaXIoU。如果想要使用AlphaXIoU，将alpha设置为3同时将对应的IoU也设置为True即可，alpha默认设置为1。先贴一张最近一篇论文的结果。
目标检测结果IOU不同取值的意义（0.5：0.95等)
Lawrence_Cj的博客
09-08 1万+
目标检测结果IOU不同取值的意义（0.5：0.95等）IOU=[0.5:0.95], IOU = 0.5, IOU=0.75等等 IOU=[0.5:0.95], IOU = 0.5, IOU=0.75等等 1.Unless otherwise specified, AP and AR are averaged over multiple Intersection over Union (IoU) values. Specifically we use 10 IoU thresholds of .50:.05
【Python】2D/3D框IOU简单计算方法
SpriteNym的博客
11-21 2520
shapely牛逼
mAP@0.5 与 mAP@0.5:0.95 是什么意思，YOLOv5
热门推荐
“365天深度学习训练营”报名进行中～
12-23 2万+
mAP@0.5： mean Average Precision（IoU=0.5） 即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP 如图所示，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。数值越高，即阈值越大，精度越低。 mAP@.5:.95（mAP@[.5:.95]） 表示在不同IoU阈值（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85.
python——计算两个多边形的IOU
千羽的计算机视觉与机器人
04-04 4482
任务描述 计算两个多边形的IOU。可以是不同类的多边形，如一个矩形和一个三角形；也可以是两个同类的多边形。 代码 def polygon_IOU(polygon_1, polygon_2): """ 计算两个多边形的IOU :param polygon_1: [[row1, col1], [row2, col2], ...] :param polygon_2: 同上...
YOLOv5的计算锚框时的IOU值是什么
05-02
在YOLOv5中，计算锚框时使用的是IOU（Intersection over Union）交并比。它是通过计算预测框和真实框的交集和并集的比例来衡量预测框和真实框之间的重叠程度。具体来说，如果预测框和真实框的交集越大，IOU值就越高，表示预测结果越准确。在YOLOv5中，如果IOU值大于预设的阈值（一般为0.5），则认为预测框与真实框匹配成功。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值