YOLOV7改进:更换WIOU,实现无损涨点
边界盒回归(BBR)的损失函数是目标检测的关键。它的良好定义将为模型带来显著的性能改进。现有的大部分工作都假设训练数据中的样例是高质量的,并着重于增强BBR损失的拟合能力。如果盲目地在低质量样本上加强BBR,将会危及本地化性能。Focal-EIoU v1是为了解决这一问题而提出的,但由于其静态调焦机制(FM),使得非单调调频的潜力没有得到充分发挥。基于这一思想,我们提出了一种基于iou的动态非单调调频损耗,称为Wise-IoU (WIoU)。
复制链接