芒果YOLOv5改进35：损失函数篇之WIoU：首发使用最新论文的WIoU损失函数，具有动态聚焦机制的边界框回归损失，实测涨点，超越CIoU, SIoU性能，提出了BBR的基于注意力的损失WIoU函数

已于 2024-03-14 20:38:15 修改
阅读量1.1w 收藏 40
点赞数 11
分类专栏： 芒果YOLOv5原创改进 文章标签： YOLO 回归 深度学习
于 2023-02-02 11:39:38 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_38668236/article/details/128846425
版权
芒果YOLOv5原创改进 同时被 2 个专栏收录
106 篇文章 54 订阅 ¥239.90 ¥399.90
订阅专栏
芒果改进YOLO进阶指南
65 篇文章 621 订阅 ¥299.90 ¥399.90
订阅专栏
本文介绍了Wise-IoU（WIoU）损失函数，一种针对YOLOv5的动态聚焦机制的边界框回归损失。实验证明，WIoU能有效提升检测器的性能，超越了传统的CIoU和SIoU。内容包括WIoU的理论、代码实践、实验结果和对比其他IoU改进方法的详细分析。
摘要由CSDN通过智能技术生成
了解本专栏 订阅专栏 解锁全文
芒果汁没有芒果
关注
专栏目录
订阅专栏
损失函数篇 | YOLOv8 更换损失函数之 SIoU / EIoU / WIoU / Focal_xIoU 最全汇总版
YOLOv8项目贡献者
06-16 1万+
YOLOv8 更换损失函数之 SIoU / EIoU / WIoU / Focal_xIoU 最全汇总版
YOLOv8改进 | 损失函数篇 | InnerIoU、InnerSIoU、InnerWIoU、FocusIoU等损失函数
最新发布
走向CTO的路上...
07-05 1186
YOLOv8作为目前主流的目标检测算法之一，其基础模型结构高效、易于部署，但仍存在一些可以优化的空间。其中，损失函数是影响模型性能的关键因素之一，选择合适的损失函数可以显著提升模型的精度和鲁棒性。本文将对YOLOv8中新引入的InnerIoUInnerSIoUInnerWIoUFocusIoU等损失函数进行详细介绍，并解释其原理、应用场景、文献材料链接、应用示例产品、总结、影响以及未来扩展方向。本文介绍了YOLOv8中新引入的InnerIoUInnerSIoUInnerWIoUFocusIoU。
CBAM注意力机制和WIOU损失函数改进的YOLOv8
11-30
Yolov8涨点神器，CBAM注意力机制和WIOU损失函数改进的YOLOv8，主要修改文件如下： ultralytics\nn\modules\conv.py以及ultralytics\utils\metrics.py和ultralytics\utils\loss.py，亲测可用。
WIoU损失函数的原理
m0_46583515的博客
09-20 7239
Yolov7提出的损失函数是GIoU(Generalized Intersection over Union)，能在更广义的层面上计算IoU(Intersection over Union)，但是当两个预测框完全重合时，不能反映出实际情况，此时GIoU就要退化为IoU，并且GIoU对每个预测框与真实框均要计算最小外接框，故损失函数计算及收敛速度受到限制。WIoU v3作为边界框回归损失，包含一种动态非单调机制，并设计了一种合理的梯度增益分配，该策略减少了极端样本中出现的大梯度或有害梯度。
【YOLO改进】换遍IoU损失函数之WIoU Loss（基于MMYOLO）
Vlone_pp的博客
05-05 1227
在针对YOLO的改进中，通过替换损失函数常常可以达到“无痛提点”的效果，本文将基于MMYOLO框架介绍如何用WIoU损失函数替换YOLO中常用的CIoU损失函数。
芒果YOLOv10改进24：损失函数IoU篇之Wise-IoU：最新YOLOv8结合最新WIoU损失函数，超越CIoU, SIoU性能，涨点神器｜让YOLO模型高效涨点，目标检测的新损失
包括YOLOv5、YOLOv7、YOLOv8等模型改进
06-09 275
YOLOv10改进：损失函数IoU篇之Wise-IoU：最新YOLOv8结合最新WIoU损失函数，超越CIoU, SIoU性能，涨点神器｜让YOLO模型高效涨点，目标检测的新损失
芒果YOLOv10改进46：损失函数IoU篇之Focaler-(Any) IoU：即插即用，最新 IoU论文，可支持XIoU、WIoU、SIoU、DIoU等基础上改进|更加关注联合损失的交叉点
包括YOLOv5、YOLOv7、YOLOv8等模型改进
06-11 81
芒果YOLOv10改进46：损失函数IoU篇之Focaler-(Any) IoU：即插即用，最新 IoU论文，可支持XIoU、WIoU、SIoU、DIoU等基础上改进|更加关注联合损失的交叉点
芒果YOLOv7改进55：Loss篇：改进Focaler-(Any) IoU损失函数：即插即用，最新 IoU论文，可支持XIoU、DIoU、SIoU、WIoU等基础上改进|更加关注联合损失的交叉点
包括YOLOv5、YOLOv7、YOLOv8等模型改进
01-23 284
YOLOv7改进Focaler-(Any) IoU损失函数：即插即用，最新 IoU论文，可支持XIoU、DIoU、SIoU、WIoU等基础上改进
芒果YOLOv5改进17：损失函数IoU 篇之XIoU：独家首发最新改进｜YOLO改进Trick，相比较CIoU改进轻松涨点，提升网络模型性能、收敛速度和鲁棒性
包括YOLOv5、YOLOv7、YOLOv8等模型改进
04-18 8286
YOLOv5代码实践｜原创改进XIoU损失函数，YOLO改进Trick，相比较CIoU改进轻松涨点
【YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改进NO.60】损失函数改进为wiou
m0_70388905的博客
03-16 7925
损失函数更新
深度学习笔记(十三):IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU、SIOU、WIOU损失函数分析及Pytorch实现
热门推荐
源的博客
02-09 2万+
文章目录IOU-lossGIOU-lossDIOU-lossCIOU-lossEIOU-loss总对比 IOU-loss GIOU-loss DIOU-loss CIOU-loss EIOU-loss CIOU Loss虽然考虑了边界框回归的重叠面积、中心点距离、纵横比。但是通过其公式中的v反映的纵横比的差异，而不是宽高分别与其置信度的真实差异，所以有时会阻碍模型有效的优化相似性。针对这一问题，有学者在CIOU的基础上将纵横比拆开，提出了EIOU Loss，并且加入Focal聚焦优质的锚框，该方法出自于20
yolov5添加WIou
ssdab的博客
01-24 677
中将（Ctrl+f查找bbox_iou）中替换bbox_iou（）为一下代码。
基于深度学习的目标检测的IOU损失函数介绍
qq_31385803的博客
09-19 3073
目标检测中常用IoU损失介绍及代码实现
YOLOv5改进实战 | 更换损失函数（二）之WIOU篇
w94ghz的博客
09-18 2965
本文使用的YOLOv5版本为。
yolov5损失函数改进wiou
08-13
在 YOLOv5 中，"wiou" 是一种改进的损失函数，它对边界框的匹配程度进行了更准确的度量。传统的 YOLO 系列模型使用的是 GIoU (Generalized Intersection over Union) 损失函数，但在 YOLOv5 中，作者提出了一种新的损失函数 "wiou"，它是 "weighted IoU" 的缩写。 在 YOLOv5 中，每个预测的边界框都会与真实框进行匹配，并计算它们之间的 IoU 值。而 "wiou" 损失函数进一步引入了一个权重因子，用于调整每个边界框的 IoU。这个权重因子是根据真实框和预测框之间的重叠程度来计算的。 传统的 IoU 只考虑了两个框之间的区域重叠部分，而 "wiou" 考虑了两个框中除了重叠部分之外的区域。通过引入权重因子，"wiou" 能够更准确地衡量边界框的匹配程度。这种改进可以使模型更好地学习到边界框的位置和形状信息，从而提高目标检测的准确性。 总结来说，"wiou" 是 YOLOv5 中一种改进的损失函数，通过引入权重因子来调整边界框之间的 IoU 值，以更准确地度量边界框的匹配程度，从而提高目标检测的性能。
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

芒果汁没有芒果

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