YOLOV3中 IoU的探究

最新推荐文章于 2024-08-05 18:41:17 发布
最新推荐文章于 2024-08-05 18:41:17 发布
阅读量677 收藏 1
点赞数
分类专栏： 深度学习&pytorch知识点
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/qq_20538071/article/details/119009957
版权
本文深入探讨了YOLOV3中的Intersection over Union（IoU）概念，并介绍了其通用化形式GIoU，以及进一步的改进版DIoU和CIoU。DIoU考虑了目标框的中心距离，而CIoU在DIoU基础上加入了长宽比因素，以更好地衡量预测框与真实框的相似度。这些度量标准对于目标检测算法的性能优化至关重要。
摘要由CSDN通过智能技术生成

IoU= Intersection over Union

Generalized Intersection over Union
GIoU=1- IoU+ 覆盖方框-并集/覆盖方框
DIoU=1-IoU+ 中心欧氏距离/对角距离
CIoU=DIoU+ 长宽比的反正切值的平方距离
在这里插入图片描述

C I o U CIoU C

了解本专栏 订阅专栏 解锁全文
Cookie_Cheng
关注
专栏目录
订阅专栏
YOLOv3 best_iou问题
jacke121的专栏
06-25 6763
YOLO v3解读转自：https://xmfbit.github.io/2018/04/01/paper-yolov3/YOLO的作者又放出了V3版本，在之前的版本上做出了一些改进，达到了更好的性能。这篇博客介绍这篇论文：YOLOv3: An Incremental Improvement。下面这张图是YOLO V3与RetinaNet的比较。可以使用搜索功能，在本博客内搜索YOLO前作的论文阅...
YOLOv3中计算iou的细节
chainfitness的博客
08-27 1633
#结论: YOLO中计算iou时不考虑中心点坐标，只考虑宽高。即强制把GTbox和anchor的中心点重合（在此gridcell中重合，也就是gridcell的原点）粗暴的计算GTbox和anchor的iou。 这点和faster-rcnn中计算iou的方式（计算iou时采用（x，y，w，h）四个点坐标）并不一样。 #为什么可以这么做呢？ 因为得益于YOLO的特性，只要GTbox的中心落在某个gridcell中，那么这个GTbox就归这个gridcell管。在衡量iou时，只需要得到anchor与GTbox
目标检测 | yolov3 原理和介绍
最新发布
hhl_work的博客
08-05 1191
YOLOv3 擅于预测出合适的目标，但无法预测出非常精准的边界框。YOLOv3 小目标预测能力提升，但中大目标的预测反而相对较差。若将速度考量进来，YOLOv3 整体来说表现非常出色。YOLOv3在小目标\密集目标的改进1.grid cell个数增加，YOLOv1（7×7），YOLOv2（13×13），YOLOv3（13×13+26×26+52×52）2.YOLOv2和YOLOv3可以输入任意大小的图片，输入图片越大，产生的grid cell越多，产生的预测框也就越多。
YOLOv3的IoU与众不同？？？
baiyang10010的博客
10-19 871
普通IoU: 计算在x轴上的重叠长度 给定：X1,W1 X2,W2 min(X1+W1,X2+W2)-max(X1,X2) YOLO: 计算在x轴上的重叠长度 给定：X1,W1 X2,W2 min(X1+W1/2,X2+W2/2)-max(X1-W1/2,X2-W2/2)
Pytorch实现YOLOv3目标检测
qq_36523203的博客
09-29 1906
本教程使用的代码需要运行在 Python 3.5 和 PyTorch 0.3 版本之上。 你可以在以下链接中找到所有代码：https文章目录一，YOLO工作原理1，全卷积神经网络2，输出3，二，创建YOLO网络层级三，实现网络的前向传播四，目标置信度阈值和非极大值抑制五，设计输入和输出管道 一，YOLO工作原理 1，全卷积神经网络 FCN 75个卷积层，跳过连接和上采样，不适用任何形式的池化，使用步幅为2的卷积层对特征图进行下采样。这有助于防止通常由池化导致的低级特征的丢失。 作为 FCN，YOLO 对于输
yolov3 代码中iou 交并比理解
luoganttcc的博客
05-04 869
#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Tue May 4 19:50:35 2021 @author: ledi """ import numpy as np a=np.array([ [[ 40, 90], [70, 60]] ]) anchor_maxes = a/ 2. anchor_mins = -anchor_maxes b=np.array([[
YOLOv10性能评估指标-＞mAP、Precision、Recall、FPS、IoU
Snu77的博客
07-13 1413
这篇博客，主要给大家讲解我们在训练yolov10时生成的结果文件中各个图片及其中指标的含义，帮助大家更深入的理解，以及我们在评估模型时和发表论文时主要关注的参数有那些。本文通过举例训练过程中的某一时间的结果来帮助大家理解，大家阅读过程中如有任何问题可以在评论区提问出来，我会帮助大家解答。首先我们来看一个在一次训练完成之后都能生成多少个文件如下图所示，下面的文章讲解都会围绕这个结果文件来介绍。二、评估用的数据集。
目标检测YOLO实战应用案例100讲-基于YOLOv3的目标检测研究及改进（论文篇）
qq_36130719的博客
05-11 1420
目标检测作为计算机视觉领域的基础算法之一，不仅停留在理论研究层次，已经被广泛应用于各种实际场景中，行人检测、面部检测、文本检测、交通标注与红绿灯检测、遥感目标检测统称为目标检测的五大应用[8]。基于传统方法的目标检测方法大致都需要经历如图2.1所示的算法步骤。随着深度学习发展趋势越发迅猛，人们对于以深度学习为基础的目标检测算法关注度逐渐加深，基于深度学习的目标检测算法主要有两条技术发展路线：基于候选框的方法和不基于候选框的方法，而基于候选框的方法则包括一阶段和二阶段检测算法。
Yolov5 目标检测中的标签平滑技术探究
[标签平滑](https://img-blog.csdnimg.cn/20200530091700418.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDQ0MTEzMQ==,size_16,color_...
YOLOv3庖丁解牛（三）：YOLOv3损失函数
weixin_42078618的博客
12-15 3万+
1、首先我们看一下他的输入参数 model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss', arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})( ...
YOLO V3学习记录与心得（二） 小概念 IOU NMS
不要加糖的初体验
06-26 538
一、 darknet是YOLO作者自己编写的一个轻量级深度学习的框架 YOLO是目标检测的网络模型
yolov3前向传播（三）-- 坐标转换,iou计算,权重加载,图片显示
m0_43609475的博客
07-31 2114
坐标转换,iou计算,权重加载,图片显示 一、坐标转换 1、分析 2、实现 # =====================================坐标值转化函数========================================================== # 定义函数：将中心点、高、宽坐标 转化为[x0, y0, x1, y1]坐标形式 # 将anchor的中心点坐标表示形式转化为左上右下坐标表示形式 def detections_boxes(detections):
一文看懂YOLO v3
热门推荐
litt1e的博客
03-31 30万+
论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf 论文：YOLOv3: An Incremental Improvement YOLO系列的目标检测算法可以说是目标检测史上的宏篇巨作，接下来我们来详细介绍一下YOLO v3算法内容，v3的算法是在v1和v2的基础上形成的，所以有必要先回忆： 一文看懂YOLO v2，一文看懂YOLO v2...
YOLOv3论文
Jormungand123的博客
03-04 2932
待解决区： 1、CNN正则化 2、CNN反向传播 3、除YOLOv3之外的目标检测算法 【精读AI论文】YOLO V3目标检测（附YOLOV3代码复现）_哔哩哔哩_bilibili AP50的意思就是0.5IOU为阈值的mAP 是sigmoid函数，把坐标限定在一个grid cell内。 yolo的创新其实就在于把目标检测任务变成回归任务，用回归任务的损失函数平方误差来训练模型。 yolov3改成了sigmoid做逻辑回归。 一种尺度3个anchor，一共三种尺度共9个anchor，.
IOU 计算方法
咖啡味儿的咖啡
03-19 1424
#!/usr/bin/env python # encoding: utf-8 """ @version: 1.0 @author: levio @contact: levio123@163.com @file: IoU.py """ def compute_iou(rec1, rec2): """ computing IoU :param rec1: (y0, ...
yolov3详解
m0_57459724的博客
11-21 3489
title: yolov3算法理解 date: 2021-11-21 14:45:42 tags: toc: True 本贴记录自己学习完yolov3算法的后的个人理解 首先我们来了解一下yolov3算法物体检测的具体流程： 前向传播： 对数据集图片进行处理，padding成为大小形状相同的图片，并对数据进行增强操作（注意：处理完后需要对label中的(tx,ty,tw,th)进行相应的修改,且在label中增加置信度初始化为0） 将图片放入darknet53网络，输出三个不同规格的特征图依次.
yolo v3网络计算流程简析
hfq0219的博客
12-04 1396
yolo v3网络训练流程简析 从 examples/darknet.c 里的 main 函数进入，选择参数 detector train，跳转到 examples/detector.c 的 train_detector 函数。 解析 datacfg 文件，提取出 train_image 训练图片的路径 load_network 加载网络结构，通过 cfgfile 文件，如果传入了 weight...
YOLOV3的三个门限值解释以及yolov3详解
qq_35641067的博客
07-19 5354
YOLOV3 关于yolov3必须了解的三个门限值 ignore_iou_thresh:【IOU门限】标记与真实框有交集的锚框的objectness（框内是否有物体）为1还是-1的分界线 yolov3是对生成的每个锚框进行标记 标记与真实框IOU最大的锚框objectness=1【只有该锚框对应的预测框才参与损失函数计算和类别预测】 标记与真实框的非最大但IOU大于等于ignore_iou_thresh的锚框的objectness=-1表示是真实框对应的锚框（锚框包含真实目标），但其对应的预测框不负责损失
yolov8中iou设置
09-11
在YOLOv8中，IOU（Intersection over Union）是用于框框匹配和去除重叠框的指标。在YOLOv8中，IOU的设置通常是通过调整阈值来实现的。 具体而言，YOLOv8中的IOU阈值可以通过修改配置文件中的参数来设置。在YOLOv8中...
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