DIOU loss

最新推荐文章于 2024-04-30 07:43:30 发布
最新推荐文章于 2024-04-30 07:43:30 发布
阅读量390 收藏
点赞数
分类专栏： 损失函数
原文链接：https://blog.csdn.net/TJMtaotao/article/details/103317267
版权
这段代码实现了一个用于计算两个边界框IoU（Intersection over Union）和Diou（Distance IoU）的函数。它首先确保了输入边界框矩阵的正确形状，并通过计算每个边界框的面积、中心坐标、交集和并集来逐步计算这两个度量。Diou在IoU的基础上考虑了边界框中心之间的距离，以更准确地评估重叠。最后，函数返回一个包含所有边界框对Diou值的矩阵。
摘要由CSDN通过智能技术生成 
def Diou(bboxes1, bboxes2):
    rows = bboxes1.shape[0]
    cols = bboxes2.shape[0]
    dious = torch.zeros((rows, cols))
    if rows * cols == 0:#
        return dious
    exchange = False
    if bboxes1.shape[0] > bboxes2.shape[0]:
        bboxes1, bboxes2 = bboxes2, bboxes1
        dious = torch.zeros((cols, rows))
        exchange = True
    # #xmin,ymin,xmax,ymax->[:,0],[:,1],[:,2],[:,3]
    w1 = bboxes1[:, 2] - bboxes1[:, 0]
    h1 = bboxes1[:, 3] - bboxes1[:, 1] 
    w2 = bboxes2[:, 2] - bboxes2[:, 0]
    h2 = bboxes2[:, 3] - bboxes2[:, 1]

    area1 = w1 * h1
    area2 = w2 * h2

    center_x1 = (bboxes1[:, 2] + bboxes1[:, 0]) / 2 
    center_y1 = (bboxes1[:, 3] + bboxes1[:, 1]) / 2 
    center_x2 = (bboxes2[:, 2] + bboxes2[:, 0]) / 2
    center_y2 = (bboxes2[:, 3] + bboxes2[:, 1]) / 2

    inter_max_xy = torch.min(bboxes1[:, 2:],bboxes2[:, 2:]) 
    inter_min_xy = torch.max(bboxes1[:, :2],bboxes2[:, :2]) 
    out_max_xy = torch.max(bboxes1[:, 2:],bboxes2[:, 2:]) 
    out_min_xy = torch.min(bboxes1[:, :2],bboxes2[:, :2])

    inter = torch.clamp((inter_max_xy - inter_min_xy), min=0)
    inter_area = inter[:, 0] * inter[:, 1]
    inter_diag = (center_x2 - center_x1)**2 + (center_y2 - center_y1)**2
    outer = torch.clamp((out_max_xy - out_min_xy), min=0)
    outer_diag = (outer[:, 0] ** 2) + (outer[:, 1] ** 2)
    union = area1+area2-inter_area
    dious = inter_area / union - (inter_diag) / outer_diag
    dious = torch.clamp(dious,min=-1.0,max = 1.0)
    if exchange:
        dious = dious.T
    return dious
菜鸡啄虫
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【深度学习】锚框损失 IoU Loss、GIoU Loss、 DIoU Loss 、CIoU Loss、 CDIoU Loss、 F-EIoU Loss
q742971636的博客
03-26 5196
文章目录IoU Los （Intersection over Union）GIoU Loss（考虑重叠面积）Generalized Intersection over UnionDIoU Loss（考虑重叠面积，中心点距离）Distance IoUCIoU Loss（考虑重叠面积，中心点距离，宽高比）Complete IoU LossCDIoU Loss (Control Distance IoU Loss)F-EIoU Loss（Focal and Efficient IOU Loss）在模型上的效果评
DIoU Loss论文阅读
陈建驱的博客
08-19 2255
论文：Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression. Zhao hui Zheng1,Ping Wang1 , Wei Liu2 , Jinze Li3 , Rongguang Ye1 , Dongwei Ren*2 摘要 边界框回归是目标检测中的关键步骤。当前方法采用ln-norm loss作为边界框回归的损失，但是它不是为评估指标（IoU）量身定做的。最近适合IoU评估指标的IoU los.
损失函数：DIOU loss手写实现
计算机视觉
06-28 900
Diou Loss
目标检测中的回归损失函数系列四：DIoU Loss / CIoU Loss
热门推荐
梦坠凡尘
05-12 1万+
论文：https://arxiv.org/pdf/1911.08287.pdf YOLOv-DIoU开源代码：https://github.com/Zzh-tju/DIoU-darknet
【YOLO改进】换遍IoU损失函数之DIoU Loss（基于MMYOLO）
Vlone_pp的博客
04-30 896
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DIoU损失函数替换YOLO中常用的CIoU损失函数。
L1 LOSS -- EIoU loss 一览 .pdf
02-03
- **定义**：Complete-IoU Loss在DIoU Loss的基础上增加了长宽比一致性的影响因子。 - **特点**： - 引入了长宽比一致性因子αν，以更好地反映两个框的形状相似度。 - CIoU Loss综合考虑了重叠面积、中心点距离...
Distance-IoU_Loss_into_YOLO_v3_DIoU-darknet.zip
最新发布
08-24
Distance-IoU_Loss_into_YOLO_v3_DIoU-darknet
matlab人头检测的代码-DIoU-SSD-pytorch:SSD的距离-IoU损耗
05-24
Loss: Faster and Better Learning for Bounding Box Regression}, booktitle = {The AAAI Conference on Artificial Intelligence (AAAI)}, year = {2020}, } @Article{zheng2020ciou, author= {Zhaohui Zheng, ...
DIoU-pytorch-detectron:更快的R-CNN中的距离-IoU损耗
04-24
这是我们论文的代码：@Inproceedings{zheng2020distance, author = {Zhaohui Zheng, Ping Wang, Wei Liu, Jinze Li, Rongguang Ye, Dongwei Ren}, title = {Distance-IoU Loss: Faster and Better Learning for ...
GIOU loss+DIOU loss+CIOU loss
智障变智能
05-19 1081
1.GIOU解决没有交集的框,IOU为0,其损失函数导数为0,无法优化的问题。 图1GIOU,IOU,l2范数差异 a)可看出 l2值一样,IOU值是不一样的,也就是l2对于尺度不具有不变性 b)可看出当框有包含关系,GIOU就退化为IOU 其是找到一个最小的封闭形状C，让C可以将A和B包围在里面，然后我们计算C中没有覆盖A和B的面积占C总面积的比例S. GIOU = IOU- S 可看出,GIOU<=IOU 图2 GIOU 计算公式 GIOU的损失函数算法: ...
目标检测算法常用Loss——DIoU GIoU CIoU
AI_eNyu的博客
05-07 2767
目标检测算法常用Loss 文章目录目标检测算法常用Loss1. 差值平方损失2. IoU Loss3. GIoU Loss4. DIoU Loss5. CIoU Loss6. 说明和补充6.1说明6.2 补充 1. 差值平方损失 在YOLOv3及YOLOv1,v2版本均采用的均值平方损失，也称为L2损失。L2损失在目标检测问题上不能很好的表现出ground truth 和预测框之间的位置，重合等关键信息。所以衍生出一系列关于IoU的损失。 2. IoU Loss 如下图三种不同的情况，明显第三个预测框与
论文笔记之D-IOU Loss
加油
05-13 1504
1. 摘要 边界框回归是目标检测的重要一步，现有用的最多的是使用L1/2-norm函数来计算损失，但是他不是非常适合评估指标（IOU）。因此后面有了IOU Loss和G-IOU Loss，但是这两个依旧存在收敛慢、回归不准确的问题。本文结合预测框和真实框之间的标准化距离提出D-IOU Loss和C-IOU Loss，收敛速度比IOU Loss和G-IOU Loss快的多。 本文主要工作： 在IOU Loss基础上添加一个惩罚项以最小化预测框和真实框之间的标准化距离，从而加快收敛。 考虑3个度量：重叠面积、
《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》DIOU论文
qq_38109282的博客
07-02 727
前言 《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》发表于2020年AAAI，来自天津大学和中国人名公安大学 资源 论文下载：Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression 论文题目及作者 介绍 第一行为GIOU loss，第二行是DIOU loss。 绿边框表示Ground Truth，黑边框表示An
学习笔记2——交并比 IOU Loss、GIOU Loss、DIOU Loss、CIOU Loss
daige123的博客
11-29 3897
学习笔记2——交并比 IOU Loss、GIOU Loss、DIOU Loss、CIOU Loss 参考：https://blog.csdn.net/c2250645962/article/details/106071294 https://zhuanlan.zhihu.com/p/97340657 https://blog.csdn.net/u014061630/article/details/82818112 https://blog.csdn.net/weixin_41735859/article/d
目标检测算法之AAAI 2020 DIoU Loss
Allyli0022的专栏
03-06 936
论文原文：https://arxiv.org/pdf/1911.08287.pdf 参考博客：https://blog.csdn.net/qiu931110/article/details/103330107 源码实现：https://github.com/Zzh-tju/DIoU-darknet 出处：https://www.jianshu.com/p/63439220ebc0 ...
【论文阅读】Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
qq_38333323的博客
11-22 4569
主要内容 文章提出两个Loss ：Distance-IoU(DIoU) Loss和Complete IoU(CIoU) Loss用于目标检测的Bbox回归，并与IoU Loss和GIoU Loss做了对比，比这两个收敛得更快、更准。此外，DIoU很容易用在NMS中。 Loss 先简单回顾一下IoU Loss和GIoU Loss，再说明文章提出的DIoU Loss和CIoU Loss IoU 先说说...
Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression 论文笔记
Tianchao龙虾
05-19 418
Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression 论文笔记 论文链接： https://arxiv.org/abs/1911.08287 一、 Problem Statement Bounding Box的回归分支在目标检测中很重要。目前，lnl_nln​-norm loss 对获得最优的IoU metric不是很合适，IoU Loss 只有在bounding boxes 有重叠的时候起作用，而且不会提供任何移
目标检测中的损失函数：IOU_Loss、GIOU_Loss、DIOU_Loss和CIOU_Loss
JulyLi2019的博客
12-04 2617
之前在项目中存在目标检测框内嵌的情况（目标检测框存在内嵌情况分析与解决），正好趁这个机会记录下目标检测中常用的几种IOU_loss函数。IOU_Loss作为传统的衡量标准，为我们提供了一个基础,而GIOU_Loss、DIOU_Loss和CIOU_Loss则在其基础上引入了更多的信息，如目标框的形状和相对位置等，从而使得模型更加准确地学习目标的位置和形状。！！2023年12月4日20:03:02。
目标检测 IoU、GIoU、DIoU、CIoU、EIoU
scott198512的博客
04-04 7068
目标检测常用边界框IOU对比
DIOU loss优点
06-26
DIOU (Distance-IoU Loss) 是一种改进的二分类目标检测损失函数，它结合了 IoU（Intersection over Union）和中心点的距离误差来优化目标检测模型的精度。相比于传统的交叉熵损失，DIOU loss 有以下优点： 1. 更好...
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