损失函数篇 | YOLOv8 引入 Shape-IoU 考虑边框形状与尺度的度量

迪菲赫尔曼

已于 2024-01-12 10:37:04 修改

阅读量3.4k

点赞数 34

分类专栏： YOLOv8改进实战文章标签： YOLO 人工智能计算机视觉论文 IoU Shape-IoU

于 2024-01-06 14:42:45 首次发布

原创文章为博主个人所有，未经授权不得转载、摘编、传播、倒卖、洗稿或利用其它方式使用上述作品。违反上述声明者，本站将追求其相关法律责任。

本文链接：https://blog.csdn.net/weixin_43694096/article/details/135425939

版权

YOLOv8改进实战专栏收录该内容

114 篇文章 938 订阅 ¥299.90 ¥399.90

订阅专栏

Shape-IoU是一种新的边框回归损失方法，关注目标边框的形状和尺度，旨在提高目标检测的准确性。通过分析边框的固有属性，该方法改进了传统IoU的计算，提升了YOLOv8的检测性能，并在多个任务中达到SOTA。

摘要由CSDN通过智能技术生成

作者导读：Shape-IoU：考虑边框形状与尺度的度量

论文地址：https://arxiv.org/abs/2312.17663

作者视频解读：https://www.bilibili.com

开源代码地址：https://github.com/malagoutou/Shape-IoU/blob/main/shapeiou.py

了解本专栏

迪菲赫尔曼

关注

34
点赞
踩
25

收藏

觉得还不错? 一键收藏
打赏
11
评论
损失函数篇 | YOLOv8 引入 Shape-IoU 考虑边框形状与尺度的度量

现有的边框回归方法，通常考虑了GT框与预测框之间的几何关系，通过使用边框间的相对位置与相对形状等计算损失，而忽略了边框其自身的形状与尺度等固有属性对边框回归的影响。
复制链接

扫一扫

专栏目录

评论 11

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

迪菲赫尔曼 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

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。