YOLOx添加Focal loss

已于 2022-03-22 11:02:23 修改
阅读量6.1k 收藏 34
点赞数 5
文章标签： 深度学习 目标检测 pytorch
于 2022-02-25 20:20:41 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_43850171/article/details/123140328
版权

将YOLOx中的BCE loss更改为Focal loss
loss函数分为三部分，位置损失、置信度损失、类别损失，此处只需要将置信度损失更换为Focal loss，具体原理请仔细理解置信度损失的含义。
YOLOX链接：https://link.zhihu.com/?target=https%3A//github.com/Megvii-BaseDetection/YOLOX
直接在YOLOX-main/yolox/models/yolo_head.py的YOLOXHead类中创建focal_loss方法

1 找到置信度预测损失计算位置loss_obj，并进行替换（位置在386-405行左右）
loss_iou:定位损失；loss_obj：置信度预测损失；loss_cls：预测损失
        loss_iou = (
            self.iou_loss(bbox_preds.view(-1, 4)[fg_masks], reg_targets)
        )
最低0.47元/天 解锁文章
折磨王
关注
  • 5
    点赞
  • 踩
  • 34
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 12
    评论
YOLO 损失函数之SIoU 和 Focal 损失在PyTorch中的实现
DT程序员的博客
02-18 230
通过本文的过程，我们讨论了两个YOLO损失函数，SIoU Loss和Focal Loss。SIoU Loss 主要用于边界框回归。它是一个基于 IoU 的边界框回归损失函数，还考虑了形状、距离和纵横比未对齐的情况。SIoU 比现有方法实现了更快的收敛速度和更高的推理精度。
【YOLO改进】换遍IoU损失函数之Focal IoU Loss（基于MMYOLO）
Vlone_pp的博客
05-06 566
在目标检测任务中，评估预测边界框的质量是一个重要环节。传统的 IoU（Intersection over Union）损失函数虽然能够评估预测边界框与真实边界框的重叠程度，但在某些情况下存在一些问题。例如，当预测边界框与真实边界框的重叠度较低时，IoU 损失函数的梯度会非常小，导致模型难以进行优化。由于MMYOLO中没有实现Focal IoU损失函数，所以需要在mmyolo/models/iou_loss.py中添加Focal IoU的计算和对应的iou_mode，修改完以后在终端运行。
YOLO-----关于正负样本、Loss、IOU、怎样去平衡正负样本的问题？
热门推荐
Cai_Xu_Kun的博客
04-15 1万+
关于正负样本、Loss、IOU、怎样去平衡正负样本的问题 1、关于正负样本2、Loss计算3、IOU、GIOU、DIOU、CIOU4、怎样去平衡正负样本的问题？ 先整理一下anchor的概念 常用的anchor定义 ----Faster R-CNN 定义三组纵横比ratio = [0.5,1,2]和三种尺度scale = [8,16,32]，可以组合处9种不同的形状和大小的边框。 ----YOLO则不是使用预设的纵横比和尺度的组合，而是使用k-means聚类的方法，从训练集中学习得到不同的Anchor yo
yolox修改focalloss
weixin_41012399的博客
06-02 805
参考：https://www.csdn.net/tags/MtTaEgxsNTQ4MTE2LWJsb2cO0O0O.html
focal loss
weixin_38241876的博客
06-17 557
from torch import nn import torch.nn.functional as F import torch class FocalLoss(nn.Module): def __init__(self, alpha=0.25, gamma=2, logits=False, reduce=True): super(FocalLoss, self).__init__() self.alpha = alpha self.gamma .
YOLO v3采用focal_loss 效果看法
行云
04-26 7978
YOLO v3采用focal_loss 效果拙见，不对的地方欢迎指正 论文里，yolov3里一个gt只分配给一个最高iou的predictanchor，不是最高，如果iou高 于阈值，就忽略这个预测，对于小于阈值的predictanchor只有objectnessloss，这个方法筛除了很多预测框，而objectnessloss只是很小的一部分； 本身yolov...
睿智的目标检测59——Keras Focal loss详解与在YoloV4当中的实现
vvoennvv的博客
11-02 136
网络的预测结果中，样本1属于类别1的概率=0.9，样本2属于类别1的概率=0.6，前者预测的比较准确，是容易分类的样本；目标检测本质上是进行密集采样，在一张图像生成成千上万的先验框（或者特征点），将真实框与部分先验框匹配，匹配上的先验框就是正样本，没有匹配上的就是负样本。1、当pt趋于0的时候，调制系数趋于1，对于总的loss的贡献很大。样本属于某个类，且预测结果中该类的概率越大，其越容易分类 ，在二分类问题中，正样本的标签为1，负样本的标签为0，p代表样本为1类的概率。首先定位公式中的概率p。
focal loss曲线-python
08-14
通过python脚本构造focal loss曲线；焦点损失函数是重加权的一个典型代表，被广泛应用于目标检测和语义分割。
Focal Loss for Dense Object Detection
12-03
Abstract The highest accuracy ...the focal loss, RetinaNet is able to match the speed of pre- vious one-stage detectors while surpassing the accuracy of all existing state-of-the-art two-stage detectors.
pytorch实现focal loss的两种方式小结
09-18
今天小编就为大家分享一篇pytorch实现focal loss的两种方式小结，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
focal loss.py
05-12
对于类别不平衡的loss函数
目标检测 YOLO 系列：你有我无 YOLOX
生命在于折腾！
08-15 1344
目标检测 YOLO 系列：你有我无 YOLOX 作者：Zheng Ge 发表时间：2021 Paper 原文：YOLOX: Exceeding YOLO Series in 2021 1. 概览 那边 YOLOv5 还在不断更新，这边旷世 YOLOX 又开了新头了，真是一幅百舸争流啊。。。当然作为一名工业界的搬运工，还是很兴奋的，又有新的砖可以搬了。YOLOX 一出，各种公众号“吊打一切”，“秒天秒地” 的声音就出来了，真有这么神？作为一名搬运工，我觉得单从工业应用的角度，吸引力没有那么大，因为精度提升不大
[数据集][目标检测]伤口检测数据集VOC+YOLO格式2760张1类别
FL1623863129的博客
05-27 369
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。重要说明：大部分是脚本伤口，也有一小部分是其他部分伤口。图片数量(jpg文件个数)：2760。标注数量(xml文件个数)：2760。标注数量(txt文件个数)：2760。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
RK3568笔记二十八：CRNN车牌识别部署
05-31 466
1、训练平台：Autodl2、运行板子：ATK-DLRK3568。
遥感图像的深度学习的任务类型
最新发布
weixin_42605076的博客
05-31 297
遥感图像的深度学习任务涉及广泛的应用领域和技术方法，通过使用卷积神经网络（CNN）、生成对抗网络（GAN）等先进的深度学习模型，能够有效提升遥感数据的处理和分析能力，支持各类环境监测、资源管理、灾害应对等实际需求。
深度学习之梯度缩放介绍
yueguang8的博客
05-31 871
在深度学习中，梯度是用于更新模型参数的关键信息。然而，当使用低精度数据类型（如半精度浮点数）进行训练时，梯度的计算可能会受到数值溢出或下溢的影响，导致训练不稳定或无法收敛。
PyTorch训练关键点
u012374012的专栏
05-28 614
image = cv2.imread(self.image_filenames[index], 0) # 以灰色模式读取图像。# 遍历 XML 数据:root[2] 表示 XML 中的第三个元素，即 部分，其中包含了每张图像的标注信息。# 将关键点坐标中心化：简化旋转变换的计算，同时确保关键点的变换和图像变换的对应关系。# 对图像进行旋转：相比于 PIL 的图像旋转计算开销更小。# 将图像从数组转换为 PIL 图像对象。# 对关键点坐标进行裁剪后的调整。# 获取裁剪后的图像形状。
yolox改focal loss
06-08
您好！针对您的问题，我理解您想让我对YoloX模型使用Focal Loss进行改进。Focal Loss是一种针对目标检测中类别不平衡的损失函数，可以帮助模型更好地处理大量背景类别和小量前景类别的情况。在YoloX中，可以考虑使用Focal Loss来代替原有的交叉熵损失函数。您可以参考相关论文和代码实现来进行具体的操作。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 12
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

折磨王

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