YOLO11回归头改进:从点回归到分布预测——理解DFL,深入讲解Distribution Focal Loss如何让网络预测一个离散的分布,从而得到更精确的框位置(一)
本文介绍了YOLO系列目标检测模型中回归头的发展历程和技术演进。从YOLOv1的直接回归边界框坐标,到YOLOv2引入锚框预测偏移量,再到YOLOv3采用多尺度预测,以及YOLOv4/v5引入CIOU损失函数和注意力机制,回归头设计不断优化。文章详细分析了点回归的基本原理、实现方式及其局限性,并提供了各版本YOLO回归头的简化代码示例,展示了从坐标归一化、偏移量预测到解码边界框的全过程。YOLO回归头的持续改进显著提升了目标检测的精度和效率。



