小知识点系列(二十三) 本文(2万字) | 解读交并比 | IoU | GIoU | DIoU | CIoU | EIoU | WIOU | SIOU| αIOU |

已于 2024-01-02 16:06:37 修改
阅读量925 收藏 15
点赞数 21
文章标签： YOLO 深度学习 人工智能 交并比 IoU
于 2024-01-02 16:03:02 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_44302770/article/details/135308774
版权
人工智能专栏计划 专栏收录该内容
141 篇文章 7 订阅

已下架不支持订阅

点击进入专栏：
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程

文章目录

IoU、GIoU、DIoU、CIoU、EIoU

一、简介

在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EIoU，下面我们一起看一下这几种IoU。

二、IoU（Intersection over Union）

IoU的计算是用预测框(A)和真实框(B)的交集除以二者的并集，其公式为：

img

IoU的值越高也说明A框与B框重
了解本专栏 已下架不支持订阅
小酒馆燃着灯
关注
  • 21
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录

已下架不支持订阅

YOLOv8优化：IoU系列篇 |Inner-IoU：基于辅助边框的IoU损失，结合CIoU、SIoU、EIoU、DIoU、GIoU等，2023年11月最新IoU改进
会AI的学姐
11-14 1031
Inner-IoU,Inner-GIoU,Inner-DIoU,Inner-CIoU,Inner-EIoU,Inner-SIoU，其引入尺度因子ratio控制辅助边框的尺度大小用于计算损失。
详解IoU、GIoU、DIoU、CIoU、EIoU和DIoU-NMS
进击的扛把子
03-30 2万+
IoU厨师大赛
【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标
热门推荐
xian0710830114的专栏
12-08 3万+
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EIoU，下面我们一起看一下这几种IoU。
AI大视觉（十五） | 损失函数进化史：MSE、IOU、GIOU、DIOU、CIOU、EIOU
aibigtruth的博客
07-31 2913
本文来自公众号“AI大道理 目标检测任务的损失函数由两部分构成：Classification Loss和Bounding Box Regeression Loss。 Smooth L1 Loss L1 Loss（Mean Absolute Error，MAE） 平均绝对误差（MAE）是一种用于回归模型的损失函数。 MAE 是目标变量和预测变量之间绝对差值之和，因此它衡量的是一组预测值中的平均误差大小，而不考虑它们的方向，范围为 0~∞。 MAE公式： MAE导数： MA.
《一文搞懂IoU发展历程》GIoU、DIoU、CIoU、EIoU、αIoU、SIoU
YOLOv8项目贡献者
08-26 8719
汇总IoU发展历程，建议收藏！
【IoU全总结】GIoU, DIoU, CIoU, EIoU&Focal, αIoU, SIoU,WIoU【基础收藏】
深度学习
06-15 3970
边界框回归的三大几何因素：重叠面积、中心点距离、纵横比IOU Loss：考虑了重叠面积，归一化坐标尺度；GIOU Loss：考虑了重叠面积，基于IOU解决边界框不相交时loss等于0的问题；DIOU Loss：考虑了重叠面积和中心点距离，基于IOU解决GIOU收敛慢的问题；CIOU Loss：考虑了重叠面积、中心点距离、纵横比，基于DIOU提升回归精确度；
IOU系列：IOU、GIOU、DIOU、CIOU、SIOU、Alpha-IoU、WIOU详解
w94ghz的博客
09-11 3023
【深度学习小知识】目标检测中的IOU、GIOU、DIOU、CIOU、EIOU等理论解析
Leomn_J的博客
10-11 1万+
IOU、GIOU、DIOU、CIOU解析IOUIOU原理IOU LossIOU存在问题GIOUGIOU原理DIOUCIOU 首先明确IOU系列的提出原因，即衡量预测框与真实框的关系。 IOU IOU原理 图中，红色框表示为预测框，绿色表示为真实框（标注框）。IOU就是计算真实框与红色框的交并比，具体流程如下： 计算真实框与预测框的交集 计算真实框与预测框的并集 计算交并比 IOU Loss 明白IOU原理后，进一步看一下IOU loss：IOU loss 将四个点构成的bbox,作为
目标检测---IOU计算详细解读(IoU、GIoU、DIoU、CIoU、EIOU、Focal-EIOU、SIOU、WIOU)
慕溪同学的博客
03-17 6274
常见的一些边界框回归IOU损失函数原理与代码实现。
YoloV8改进策略：将CIoU替换成Wise-IoU，幸福涨点，值得拥有，还支持EIoU、GIoU、DIoU、SIoU无缝替换
08-04
YoloV8改进策略：将CIoU替换成Wise-IoU，幸福涨点，值得拥有，还支持EIoU、GIoU、DIoU、SIoU无缝替换
YOLOv5｜YOLOv7｜YOLOv8改各种IoU损失函数：YOLOv8涨点Trick，改进添加SIoU损失函数、EIoU损失函数、GIoU损失函数、α-IoU损失函数-CSDN博客.mhtml
10-23
YOLOv5｜YOLOv7｜YOLOv8改各种IoU损失函数：YOLOv8涨点Trick，改进添加SIoU损失函数、EIoU损失函数、GIoU损失函数、α-IoU损失函数-CSDN博客.mhtml
IOU原理实现_hurried6qw_交并比IOU_图像IOU_arrangementbqv_
09-28
IOU的全称为交并比，程序实现了简单的分情况的一维和二维IOU计算
python实现交并比IOU教程
09-17
主要介绍了python实现交并比IOU教程，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
浅谈Python3实现两个矩形的交并比(IoU)
09-18
今天小编就为大家分享一篇浅谈Python3实现两个矩形的交并比(IoU)，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
快速编译安装tensorrt_yolo
最新发布
FL1623863129的博客
06-15 345
通过 PyPI 安装模块，您只需执行以下命令即可：如果您希望获取最新的开发版本或者为项目做出贡献，可以按照以下步骤从 GitHub 克隆代码库并安装：git clone https://github.com/laugh12321/TensorRT-YOLO # 克隆代码库在以上步骤中，您可以先克隆代码库并进行本地构建，然后再使用pip安装生成的 Wheel 包，确保安装的是最新版本并具有最新的功能和改进。Deploy。
（1）图像识别yolov5—安装教程
qq_26043945的博客
06-12 52
首先，你需要在你的计算机上下载的文件包，。下载后对压缩文件进行解压。通常使用识别物体，需要安装必要的，如PyTorch、torchvision、OpenCV等。打开YOLOv5文件夹，在里面打开 “” 文件，里面就是必要的依赖项。然后打开命令行，进入当前文件目录（我这里保存到盘的中）。然后通过下面的指令，系统自动安装这些依赖库。
Yolov9比其他yolo版本的改进
Littro Innovations
06-09 122
1. **可逆函数角度的分析**：YOLOv9从可逆函数的角度理论上分析了现有的CNN架构，基于这种分析，设计了PGI（可编程梯度信息）和辅助可逆分支，取得了优秀的结果。8. **效率、准确性和适应性的提高**：YOLOv9引入了开创性技术，如PGI和GELAN，这标志着实时目标检测领域的重大进步，提高了模型的效率、准确性和适应性。5. **性能提升**：YOLOv9在MS COCO数据集上的性能在所有方面都大大超过了现有的实时目标检测器，显示出速度和精度上的显著提升。
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（21）Yolov9s测试
Littro Innovations
06-09 220
yolov9s.pt为例，pt模型大小为，有yolov9-s.pt 和 yolov9-s-converted.pt 两个模型，一个19M，一个14M，先不管这俩区别是什么了。同一张图拿到yolov8s里测试，我都不用最新的8.2版本ultralytics，用旧的8.0版本，阈值参数设置一样，conf = 0.25，iou = 0.45。现在总算是开源t,s模型，而且这里评估的结果上来看是好于yolov8的，那就测试看看到底怎么样。大小是37.1M，比yolov8s的onnx模型是要小 4M左右。
改写下面这段话：综上所述，IOU_Loss主要考虑了检测框和GT框之间的重叠面积；GIOU_Loss在IOU的基础上，解决边界框不重合时出现的问题；DIOU_Loss在IOU和GIOU的基础上，同时考虑了边界框中心点距离信息；CIOU_Loss在DIOU的基础上，又考虑了边界框宽高比的尺度信息。
04-19
总的来说，IOU_Loss、GIOU_Loss、DIOU_Loss和CIOU_Loss都是...IOU_Loss主要考虑了重叠面积，GIOU_Loss在此基础上解决了不重合时的问题，DIOU_Loss还考虑了中心点距离，而CIOU_Loss在此基础上又考虑了宽高比的尺度信息。

“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
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

小酒馆燃着灯

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