YOLOv8 | 损失函数改进，最新提出的Shape-IoU,有效涨点

已于 2024-03-19 14:45:40 修改
阅读量903 收藏 14
点赞数 23
分类专栏： YOLOv8改进有效涨点 文章标签： YOLO
于 2024-03-19 14:45:08 首次发布
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/m0_67647321/article/details/136840157
版权
YOLOv8改进有效涨点 专栏收录该内容
71 篇文章 27 订阅 ¥129.90 ¥299.90
订阅专栏

⭐欢迎大家订阅我的专栏一起学习⭐

🚀🚀🚀订阅专栏，更新及时查看不迷路🚀🚀🚀
       YOLOv5涨点专栏：http://t.csdnimg.cn/s5L44

YOLOv7专栏： http://t.csdnimg.cn/Xqih5

YOLOv8涨点专栏：http://t.csdnimg.cn/omNBV

             💡魔改网络、复现论文、优化创新💡          

目录

主要原理

边框回归特性分析

shape-IoU

代码实现

对比实验

完整代码分享

结论

作为检测器定位分支的重要组成，边框回归损失在目标检测任务中发挥巨大作用。现有的边框回归方法，通常考虑了GT框与预测框之间的几何关系࿰

了解本专栏 订阅专栏 解锁全文
kay_545
关注
  • 23
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
损失函数篇 | YOLOv8 引入 Shape-IoU 考虑边框形状与尺度的度量
YOLOv8项目贡献者
01-06 3312
现有的边框回归方法，通常考虑了GT框与预测框之间的几何关系，通过使用边框间的相对位置与相对形状等计算损失，而忽略了边框其自身的形状与尺度等固有属性对边框回归的影响。
YOLOv5｜YOLOv7｜YOLOv8改各种IoU损失函数：YOLOv8涨点Trick，改进添加SIoU损失函数、EIoU损失函数、GIoU损失函数、α-IoU损失函数-CSDN博客.mhtml
10-23
YOLOv5｜YOLOv7｜YOLOv8改各种IoU损失函数：YOLOv8涨点Trick，改进添加SIoU损失函数、EIoU损失函数、GIoU损失函数、α-IoU损失函数-CSDN博客.mhtml
各种IOUloss的pytorch实现
weixin_38241876的博客
11-24 4038
def bbox_iou(box1, box2, x1y1x2y2=True, GIoU=False, DIoU=False, CIoU=False): # Returns the IoU of box1 to box2. box1 is 4, box2 is nx4 box2 = box2.t() # Get the coordinates of bounding boxes if x1y1x2y2: # x1, y1, x2, y2 = box1 b.
YOLOv8算法改进【NO.98】改进损失函数为最新提出的Shape-IoU
m0_70388905的博客
01-12 1814
改进损失函数为最新提出的Shape-IoU
YOLOv5 损失函数改进 | 引入 Shape-IoU 考虑边框形状与尺度的度量
qq_44224801的博客
01-11 597
- YOLOv8轻松上手，适用技术小白，文章代码齐全，仅需一键train，解决YOLOv8的技术突破和创新潜能。
YoloV8改进策略：将CIoU替换成Wise-IoU，幸福涨点，值得拥有，还支持EIoU、GIoU、DIoU、SIoU无缝替换
08-04
总之，YOLOv8通过引入Wise-IoU作为损失函数的一部分，实现了对目标检测性能的显著提升。这种改进不仅增强了模型的定位准确性，还增强了其适应不同目标形状和大小的能力。结合其他IoU变体的支持，YOLOv8成为了一个...
YoloV8最新改进手册-高阶篇.pdf
06-19
### YoloV8最新改进手册—高阶篇 #### 知识点概览： 1. **YOLOv8网络架构及实战应用** 2. **FasterNet与YOLOv8的融合** 3. **YOLOv8分支增加与漏检减少** 4. **CIoU与Wise-IoU等IoU损失函数的应用** 5. **...
Shape-IoU: More Accurate Metric considering Bounding Box Shape a
01-06
Shape-IoU是一种针对目标检测任务中边界框回归的新颖损失函数，旨在更精确地考虑边界框形状和尺寸的影响。传统的边界框回归方法通常依赖于像IoU（Intersection over Union）、GIoU（Generalized IoU）或CIoU...
YOLOv8-使用YOLOv8进行火焰检测-优质项目-项目实战.zip
02-12
YOLOv8是一种基于深度学习的目标检测模型，其全称为"You Only Look Once version 8"。这个模型在目标检测领域有着广泛的应用，特别是在实时场景分析和火焰检测等任务上表现出色。火焰检测是安全监控系统中的重要环节...
YOLOv8改进 | 损失函数篇 | 最新ShapeIoU、InnerShapeIoU损失助力细节涨点
Snu77的博客
01-09 3423
本文给大家带来的改进机制是损失函数的改进机制标题虽然指提到了ShapeIoU和InnnerShapeIoU但是本文的内容包括过去到现在的百分之八十以上的损失函数的实现，同时使用方法非常简单，在本文的末尾还会教大家在改进模型时何时添加损失函数才能达到最好的效果，同时在开始讲解之前推荐一下我的专栏，本专栏的内容支持(分类、检测、分割、追踪、关键点检测),专栏目前为限时折扣，欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家，本文支持的损失函数共有如下图片所示
YOLOv8 损失函数改进 | 引入 Shape-IoU 考虑边框形状与尺度的度量
qq_44224801的博客
01-10 923
- YOLOv8轻松上手，适用技术小白，文章代码齐全，仅需一键train，解决YOLOv8的技术突破和创新潜能。
【YOLOv8系列】图像分类篇----通过YOLOv8实现图像分类功能
AnChenliang_1002的博客
07-24 100
最近需要使用YOLOv8实现图像分类的功能，因此记录一下整个过程。
YOLO训练触发早停
weixin_52236586的博客
07-25 313
日志：or use。
YOLO训练过程日志，数值都小于1原因？
weixin_52236586的博客
07-24 378
在YOLO等目标检测模型中，总损失是多个损失项的组合。通常，总损失会进行归一化以平衡各个损失项的影响。这种组合的归一化处理通常会使总损失值较小，但它提供了一个有效的衡量标准来评估模型的整体性能。总之，损失值小于1是正常的，归一化处理是为了确保训练过程中的稳定性和有效性。关注损失值的变化趋势比关注绝对值更为重要，这样可以更好地了解模型的训练情况。如果你的YOLOv5训练日志显示损失值如。
基于YOLO8的目标检测系统：开启智能视觉识别之旅
weixin_44063529的博客
07-19 1733
在人工智能和机器学习的浪潮中，YOLO8作为目标检测领域的一颗新星，以其卓越的性能和灵活性，受到了广泛关注。本项目基于YOLO8算法，构建了一个高效、易用的目标检测系统，旨在为用户提供一个强大的本地部署解决方案。
2 YOLO8的使用
qq_28611929的博客
07-24 870
yolo8
将YOLOv8模型从PyTorch的.pt格式转换为TensorRT的.engine格式
网络资源是无限的
07-25 1597
将YOLOv8模型从PyTorch的.pt格式转换为TensorRT的.engine格式
yolov8.1超简单环境搭建、标注、训练、转onnx、转输出维度
最新发布
one goto one 的博客
07-25 190
(最新的yolo8改用默认GPU版的onnxruntime，要安装一下下面的库，否则ONNX转换会有警告)gitub镜像下载地址:https://hub.nuaa.cf/shouxieai/infer。
yolov8训练自己的实例分割数据集
耶律大石的博客
07-24 482
参考：2、下载最新yolov8代码。
yolov7损失函数改进siou
09-17
根据引用和引用的内容，可以改进Yolov7的损失函数，引入SIoU（Shape Intersection over Union）来提高训练速度和推理准确性。SIoU是一种新的损失函数，考虑了真实框和预测框之间的向量角度，重新定义了相关的损失函数，包含了角度损失、距离损失、形状损失和IoU损失。 具体来说，角度损失衡量了真实框和预测框之间的向量角度差异，距离损失衡量了两个框之间的距离差异，形状损失衡量了两个框之间的形状差异，而IoU损失则衡量了真实框和预测框之间的交集与并集的比例。 通过引入SIoU，并根据具体需求对损失函数进行相应修改，可以改进Yolov7的性能。
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

打赏作者

kay_545

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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