YOLOv5对于损失函数的改进

已于 2022-04-04 16:52:07 修改
阅读量2.9k 收藏 4
点赞数 1
分类专栏： Uploaded Resources 深度学习之美 Code 文章标签： cnn 深度学习 机器学习
于 2022-03-09 15:58:52 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/qq_34848334/article/details/123379408
版权
这篇博客探讨了YOLOv5在损失函数上的优化，包括卷积核大小、步长的调整，以及不同类型的池化操作如平均池化和最大池化，对模型性能的影响。博主详细阐述了这些改动如何提升目标检测的精度和速度，为深度学习领域的研究者提供了有价值的参考。
摘要由CSDN通过智能技术生成

YOLOv5对于损失函数的改进

在这里插入图片描述
（1）卷积核的大小改变
（2）步长改变
（3）平均池化（卷积核，步长）
（4）最大池化（卷积核，步长）
（5）全局平均池化（卷积核，步长）
（6）全局最大池化（卷积核，步长）

QT-Smile
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Yolov5修改损失函数
weixin_44119674的博客
11-07 926
Yolov5目标检测
YOLOv5改进实战 | 更换损失函数（一）之EIoU、Alpha-IoU、SIoU篇
w94ghz的博客
09-18 7724
YOLOv5改进 | Neck | 有效提升小目标检测效果【小白必备】
最新发布
kay_545
08-07 1335
yolov5，yolov5改进，GSConv, VoVGSCSP, VoVGSCSPC，slim-neck
yolov5 优化系列（三）：修改损失函数
weixin_50862344的博客
08-23 1万+
yolov5 优化系列（三）：修改损失函数
YOLOv5改进 |损失函数 | 替换CIoU损失函数为EIoU【附完整代码 】
kay_545
06-05 1434
yolov5改进，yolov5涨点，yolov5
目标检测 YOLOv5 - 损失函数的改进
q1552211的博客
05-05 1642
类别是包含关系的 BCEWithLogitsLoss 可以用于多标签分类的，一个目标可以属于一个或者多个类别，例如一个目标可以是人，男人，儿童，类别存在一种包括关系。 因为BCEWithLogitsLoss = Sigmoid + BCELoss，BCEWithLogitsLoss将Sigmoid加入了损失函数中。Sigmoid概率和不需要是1。 例如sigmoid的计算结果取出一行看示例代码中的输出[0.5100, 0.6713, 0.5025]这个数累加起来不是1，如果定义阈值大于等于0.50。那么这个
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
改进yolov8|损失函数改进：EfficiCIoU-Loss
weixin_44379985的博客
05-16 639
EfficiCIoU-Loss结合了EfficientDet中提出的CloU和GIoU。
【YOLOv8改进-损失函数】 YOLOv8自带损失函数CIoU / DIoU / GIoU 详解，以及如何切换损失函数
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
06-06 985
在介绍YOLOv8中的各种Iou之前，我们先来了解了解目标检测中的损失函数。目标检测模型通常包含两类损失函数：类别损失（分类）和位置损失（回归）。这两类损失函数用于检测模型的最后一部分，根据模型的输出（类别和位置）以及实际标注框（类别和位置），分别计算类别损失和位置损失。
Yolov7/Yolov5损失函数改进：Wasserstein Distance Loss，助力小目标涨点
03-15 5223
Yolov7/Yolov5损失函数改进：Wasserstein Distance Loss，助力小目标涨点
Yolov5改进之更改损失函数（EIOU、SIOU）
qq_46542320的博客
07-06 6958
注意：以EIOU为例，当 EIOU=True，alphaIOU>1时，则损失函数是两者的结合，为 a-eiou。当alphaIOU=1时，则损失函数就是EIOU。推荐up主：一个非常棒的B站up主，都去看！大家也可以尝试着添加其他损失函数。
[YOLOv7/YOLOv5系列算法改进NO.18]损失函数改进为Alpha-IoU损失函数
m0_70388905的博客
07-10 8549
​前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。之前改进为EIOU和SIOU，有兴趣的朋友可以看看。...
YOLOv5涨点必备！改进损失函数EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU
qq_53545309的博客
10-21 4153
YOLOv5损失函数的作用是衡量预测框与真实框之间的差异，并根据这些差异来更新模型的参数。它帮助模型学习如何准确地检测和定位目标物体，从而提高检测的精度和准确性。YOLOv5中的损失函数主要包括三个部分：目标分类损失、边界框坐标损失和对象置信度损失。目标分类损失：该损失函数用于衡量预测框中的目标类别与真实框中的目标类别之间的差异。它使用交叉熵损失函数来计算分类误差，促使模型学习正确地分类各个目标物体。边界框坐标损失：该损失函数用于衡量预测框中的边界框位置与真实框中的边界框位置之间的差异。
[YOLOv7/YOLOv5系列算法改进NO.7]损失函数改进
热门推荐
m0_70388905的博客
06-23 2万+
​前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。解决问题：YOLOv5采用CIOU损失函数，优点：CIOU就是在DIOU的基础上增加了检测框尺度的loss，增加了长和宽的loss，这样预测框就会更加的符合真实框。...
YOLOv5改进实战 | 更换损失函数（二）之WIOU篇
w94ghz的博客
09-18 2925
本文使用的YOLOv5版本为。
YOLOv5改进（七）--改进损失函数EIoU、Alpha-IoU、SIoU、Focal-EIOU
qq_44231797的博客
06-25 1615
YOLOv5默认使用损失函数为CIoU，本文主要针对损失函数进行修改，主要将bbox_iou函数进行修改，添加EIoU、Alpha-IoU、SIoU、Focal-IOU等边界框回归损失。
yolov5 优化方法（四）修改bbox损失函数（补充EIOU,SIOU）
weixin_50862344的博客
09-09 8778
yolov5 优化方法（四）修改bbox损失函数（补充EIOU,SIOU）
YOLOv5改进实战 | 更换损失函数（四）之NWD（小目标检测）篇
w94ghz的博客
10-01 9349
yolov5的损失函数改进
09-08
YOLOv5的损失函数改进是通过使用VariFocal Loss（VFLoss）来替换原有的分类和置信度损失函数。在这个改进中，回归框损失函数并没有被替换。具体来说，通过将VFLoss函数导入并设置相应的参数，可以将其用于替代YOLOv5中的分类和置信度损失。这种改进的目的是提高卷积神经网络在目标检测任务中的精度。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
评论 1
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