目录
3.2.3 基于K-Means及PointNet++模块的YOLOv5(KPYL5)算法
本文篇幅较长,分为上下两篇,上篇详见基于YOLOV5的外卖包装盒印刷色彩图像识别
3.2 改进YOLOv5算法
3.2.1 改进YOLOv5损失函数
本研究试验所使用的所有YOLOv5都统一将损失函数进行了替换以提高对外 卖包装盒中的小目标色彩缺陷的检测效果和效率。YOLOv5算法中使用的损失函 数是基于Focal Loss的改进版,称为Focal Loss with DIoU. Focal Loss是一种针对 类别不平衡问题的损失函数,它可以帮助网络更好地处理数据中的类别不平衡现 象。通常采用CIoU损失(Complete Intersection over Union)和Focal损失,CIoU 损失是基于模型预测框和真实标签框之间的重叠区域来计算的。它的目标是最小 化预测框和真实标签框之间的IoU值的差异,以确保模型能够准确地预测目标的 位置和大小。Focal损失