YOLOv5改进系列（14）——更换NMS（非极大抑制）之 DIoU-NMS、CIoU-NMS、EIoU-NMS、GIoU-NMS 、SIoU-NMS、Soft-NMS

已于 2023-07-06 18:46:47 修改
阅读量5.1k 收藏 28
点赞数 10
分类专栏： YOLOv5入门＋实践＋改进 文章标签： YOLO 人工智能 计算机视觉 机器学习
于 2023-07-06 18:43:54 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/weixin_43334693/article/details/131552028
版权
本文详细介绍了YOLOv5中非极大抑制（NMS）的改进方法，包括DIoU-NMS、CIoU-NMS、EIoU-NMS、GIoU-NMS、SIoU-NMS和Soft-NMS。针对NMS的局限性，如需要手动设置阈值、对目标尺度和距离的影响，文章提出了改进思路，并给出了具体实现步骤，涉及修改`general.py`文件以应用这些新方法。
摘要由CSDN通过智能技术生成

962f7cb1b48f44e29d9beb1d499d0530.gif【YOLOv5改进系列】前期回顾：

YOLOv5改进系列（0）——重要性能指标与训练结果评价及分析

YOLOv5改进系列（1）——添加SE注意力机制

YOLOv5改进系列（2）——添加CBAM注意力机制

YOLOv5改进系列（3）——添加CA注意力机制

YOLOv5改进系列（4）——添加ECA注意力机制

YOLOv5改进系列（5）——替换主干网络之 MobileNetV3

YOLOv5改进系列（6）——替换主干网络之 ShuffleNetV2

YOLOv5改进系列（7）——添加SimAM注意力机制

YOLOv5改进系列（8）——添加SOCA注意力机制

YOLOv5改进系列（9）——替换主干网络之EfficientNetv2

​​​​​​YOLOv5改进系列（10）——替换主干网络之GhostNet

YOLOv5改进系列（11）——添加损失函数之EIoU、AlphaIoU、SIoU、WIoU

YOLOv5改进系列（12）——更换Neck之BiFPN

YOLOv5改进系列（13）——更换激活函数之SiLU，ReLU，ELU，Hardswish，Mish，Softplus，AconC系列等

目录

了解本专栏 订阅专栏 解锁全文 超级会员免费看
路人贾'ω'
关注
专栏目录
订阅专栏
YOLOv8 更换NMS：DIoU-NMS、CIoU-NMS、EIoU-NMS、GIoU-NMS、SIoU-NMS和Soft-NMS详解
走向CTO的路上...
05-20 1545
非最大值抑制（Non-Maximum Suppression，NMS）是目标检测算法中常用的后处理操作，用于消除预测框中的冗余和重叠，只保留最具代表性的预测框。传统的NMS算法基于IoU（Intersection over Union）度量进行计算，但IoU存在一些局限性，例如对尺度和形状敏感，难以区分正负样本等。为了克服IoU的局限性，研究人员提出了多种改进型NMS算法，例如DIoU-NMS、CIoU-NMS、EIoU-NMS、GIoU-NMS、SIoU-NMS和Soft-NMS等。
yolov8+soft-nms+DIOU/CIOU/SIOU
qq_41920323的博客
07-14 938
soft-nms+eiou/siou改进yolov8解决密集遮挡问题
YOLOV5改进（Soft-NMS（多种IOU））
eagleflying_cau的博客
06-10 1274
在这个后面可以加CIOU/DIOU/SIOU/GIOU/EIOU=True,不加的话就默认是IOU。（1）将以下代码复制到utils/general.py中。2.在训练时用general里面的这个。在验证时把上面的注释掉，用这个。
目标检测算法——YOLOv5将NMS替换为DIoU-NMS
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
04-09 1万+
将NMS替换为DIoU-NMS，初步改进YOLOv5对重叠遮挡目标的识别。
【YOLO系列改进】YOLOv8融合YOLOv10的NMS-Free减少推理时间
最新发布
AIInsightZone的博客
07-19 867
YOLOv10是清华大学研究人员研发的一种新的实时目标检测方法，它解决了YOLO以前版本在后处理和模型架构方面的不足。关于YOLOv10中的NMS-free（无NMS）设计，这是其重要的创新点之一，通过NMS-free消除了后处理时间导致的推理延迟。代码本人已经移植到YOLOv8中，并且成功实验，后处理时间为0。
YOLOv5改进系列(八) 更换NMS非极大抑制DIoU-NMS、CIoU-NMS、EIoU-NMS、GIoU-NMS 、SIoU-NMS、Soft-NMS
weixin_44302770的博客
12-14 1610
即非极大抑制，顾名思义就是抑制不是极大值的元素，搜索局部的极大值。在最近几年常见的物体检测算法（包括RCNN、SPPNet、Fast-RCNN、Faster-RCNN等）中，最终都会从一张图片中找出很多个可能是物体的矩形框，然后为每个矩形框为做类别分类概率。筛选出一定区域内属于同一种类别得分最大的框。如下图，网络模型可以给每个检测框一个score，score越大，说明检测框越接近真实值。《老友记》yyds！然后非最大值抑制的目的是删除score小的框，只剩下sore最大作为最终的预测结果。
改进YOLOv5、YOLOv7系列：修改NMS为：DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS
qq_52763448的博客
01-02 3183
改进YOLOv5、YOLOv7系列：修改NMS为：DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS
YOLOv5改进实战 | 更换NMS之Soft-NMS、DIoU_NMS篇
w94ghz的博客
09-22 1182
YOLOv5算法改进（19）— 手把手教你去更换NMS（DIoU-NMS/CIoU-NMS/EIoU-NMS/GIoU-NMS/SIoU-NMS）
突然好想你
10-22 821
本节课就简单介绍一下NMS（非极大值抑制）的基本概念、工作原理等基础知识，并重点讲解如何去更换常见的NMS！
YOLOv5改进 | 添加SE注意力机制 + 更换NMS之EIoU-NMS
突然好想你
11-25 2017
本文以 YOLOv5 模型为基础，通过添加SE注意力机制模块及改进NMS，以准备的数据集进行仿真试验，试验结果表明模型平均识别精度和检测速度较好。🌈
【毕设记录日记】深度学习|铝型材表面缺陷视觉检测算法：YOLOv5改进笔记之NMS
SylviaMiller的博客
05-14 2546
目录 1 非极大值抑制Non-Maximum-Suppresion（NMS） 1.1 NMS基础代码 1.2将NMS改为DIOU_NMS 1.3 NMS完整变体代码 1.4 总结 1 非极大值抑制Non-Maximum-Suppresion（NMS） 1.1 NMS基础代码 Pytorch机器学习（八）—— YOLOV5中NMS非极大值抑制与DIOU-NMS等改进_lzzzzzzm的博客-CSDN博客_diou-nms YOLOv5——NMS_OngoingDC的博客-CSDN...
YOLOv5/7 更换 DIoU-NMS / CIoU-NMS / EIoU-NMS/ GIoU-NMS / SIoU-NMS/ Soft-NMS
YOLOv8项目贡献者
06-14 4327
YOLOv5/7 更换 DIoU-NMS
改进YOLOv5、YOLOv7系列：原创改进创新点 DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS改进
热门推荐
包括YOLOv5、YOLOv7、YOLOv8等模型改进
08-09 1万+
改进YOLOv5、YOLOv7系列：原创改进创新点 DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS改进
YOLO算法改进指南【初阶改进篇】：2.改进DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS
“365天深度学习训练营”报名进行中～
04-17 1108
非极大值抑制（Non-maximum Suppression (NMS)）的作用简单说就是模型检测出了很多框，我应该留哪些。本篇将演示如何修改：NMS、Merge-NMS、Soft-NMS、CIoU-NMS、DIoU-NMS、GIoU-NMS、EIoU-NMS、SIoU-NMS。
YOLOv5改进（八）--引入Soft-NMS非极大值抑制
qq_44231797的博客
06-25 1366
目前yolov5使用的是NMS进行极大值抑制，本篇文章是要将各类NMS添加到yolov5中，同时可以使用不同的IOU进行预测框处理。NMS概念NMS(Non-maximum suppression)是非极大值抑制， 目的是过滤掉重复的框。为了保证检测的准确性， 检测网络的输出框一般都比较密集， 对一个物体， 会有多个预测框，NMS就是为了过滤掉这些重复的框， 保留质量最好的那一个框。
YOLOV5中NMS的理解和替换（CIOU_NMS）
weixin_42182534的博客
02-25 1万+
在YOLOv5源码中，原作者使用的是普通的nms，还有附加可开启的加权nms（merge-NMS），我们可以将nms替换为ciou_nms等其他的变种nms。 具体操作如下： Pytorch机器学习（八）—— YOLOV5中NMS非极大值抑制与DIOU-NMS等改进_lzzzzzzm的博客-CSDN博客_yolov5的nms ...
芒果YOLOv5改进20：NMS 篇之XIoU_NMS：首发最新原创XIoU_NMS改进点，改进有效可以直接当做自己的原创改进点来写，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
06-26 1835
YOLOv5独家原创改进：独家首发最新原创XIoU_NMS改进点，提升网络模型性能、收敛速度和鲁棒性
YOLOv5改进：非极大值抑制NMS算法改进为DIoU NMS
艾特赵
05-13 1225
中将class_nms 设置为= DloU时，则开启DloU-NMS。中将class_nms 设置为= SloU时，则开启SloU-NMS。中将class_nms 设置为= EloU时，则开启EloU-NMS。中将class_nms 设置为= GloU时，则开启GloU-NMS。第一步：修改general.py，重新定义NMS模块。
yolov7 更换 diou-nms
10-09
YOLOv7是一个目标检测算法，而DIoU-NMS是一种用于边界框非最大值抑制（NMS）的改进方法。 在YOLOv7中，通常使用传统的NMS算法来抑制多余的边界框，并选择具有最高置信度的边界框作为最终检测结果。然而，传统NMS只考虑了两个边界框之间的重叠度量，而没有考虑边界框本身的质量。 DIoU-NMS是一种改进的NMS算法，它引入了距离交叉点（DIoU）度量来考虑边界框之间的距离。DIoU度量综合了边界框的重叠度和距离，可以更好地反映边界框的质量。具体来说，DIoU度量考虑了边界框之间的重叠、中心点之间的欧氏距离以及边界框的宽高差异。 将DIoU-NMS应用于YOLOv7中，可以提升目标检测的准确性和稳定性。通过考虑边界框之间的距离，DIoU-NMS可以剔除那些距离近但重叠较低的边界框，从而减少错误的检测结果。同时，DIoU-NMS也可以允许边界框重叠更多但质量更高的边界框保留下来，提高检测结果的召回率。 总结来说，YOLOv7更换为DIoU-NMS可以通过考虑边界框之间的距离来提高目标检测的准确性和稳定性，实现更精确的目标检测结果。
评论 15
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

路人贾'ω'

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