改进yolov8|损失函数改进：EfficiCIoU-Loss

最新推荐文章于 2024-06-03 17:00:06 发布
最新推荐文章于 2024-06-03 17:00:06 发布
阅读量349 收藏 8
点赞数 3
分类专栏： yolov8改进 文章标签： YOLO 深度学习 yolov8
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_44379985/article/details/138962526
版权

改进yolov8|损失函数改进：EfficiCIoU-Loss

各位哥哥姐姐弟弟妹妹大家好，我是干饭王刘姐，主业干饭，主业2.0计算机研究生在读。
和我一起来改进yolov8变身计算机大牛吧！
本文中的论文笔记都是刘姐亲自整理，原创整理哦~

EfficiCIoU-Loss简介

简介

  • EfficiCIoU-Loss结合了EfficientDet中提出的CloU和GIoU
  • 计算公式：
    在这里插入图片描述

改进过程

核心代码

def bbox_effciou(box1, box2, xywh=True, GIoU=False
了解本专栏 订阅专栏 解锁全文 超级会员免费看
干饭王也敲代码
关注
  • 3
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
芒果YOLOv5改进16：损失函数IoU 篇之EfficiCIoU-Loss：独家首发最新｜结合EfficiCIoULoss损失函数(适用于YOLOv5)，新的增强预测帧调整并加快帧回归率，加快网络模
包括YOLOv5、YOLOv7、YOLOv8等模型改进
03-07 5602
YOLOv5代码实践｜结合新的损失函数，增强预测帧调整并加快帧回归率
损失函数篇 | YOLOv8 更换损失函数之 SIoU / EIoU / WIoU / Focal_xIoU 最全汇总版
YOLOv8项目贡献者
06-16 1万+
YOLOv8 更换损失函数之 SIoU / EIoU / WIoU / Focal_xIoU 最全汇总版
【YOLOv8改进[损失函数]】使用结合InnerIoU和Focaler的各种损失函数助力YOLOv8更优秀
静谧、淡雅
04-16 2274
【YOLOv8改进[损失函数]】使用结合InnerIoU和Focaler的各种损失函数助力YOLOv8更优秀
芒果YOLOv7改进39：损失函数篇：独家创新EfficiCIoU-Loss：独家首发最新｜结合EfficiCIoULoss损失函数，新的增强预测帧调整并加快帧回归率，加快网络模型收敛
包括YOLOv5、YOLOv7、YOLOv8等模型改进
04-09 445
YOLOv7代码实践｜结合新的损失函数，增强预测帧调整并加快帧回归率
RT-DETR算法改进：首发｜最全Loss损失函数集合，包括WIoU、XIoU、SIoU、EfficiLoss、EIoU、DIoU、CIoU、α-IoU多种损失函数
包括YOLOv5、YOLOv7、YOLOv8等模型改进
11-13 828
RT-DETR算法｜改进最全损失函数合集
芒果YOLOv8改进02：损失函数IoU篇EfficiCLoss：首发最新改进｜结合EfficiCLoss损失函数，小目标强势涨点
包括YOLOv5、YOLOv7、YOLOv8等模型改进
04-16 6764
YOLOv8改进损失函数代码实践｜结合EfficiCLoss损失函数，小目标强势涨点
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
YOLOV3-损失函数及其源代码理解
01-06
YOLOV3-损失函数及其源代码理解（yolo_layer.c） 讲得好 https://github.com/AlexeyAB/darknet/issues/821 x,y,w,h 损失 原版的bbox损失为MSE，其后又GIOU，DIOU… delta即为求完损失的梯度 公式对应图 思路及具体...
Center-Loss-基于Pytorch实现Center-Loss损失函数-附项目源码.zip
05-28
Center-Loss_基于Pytorch实现Center-Loss损失函数_附项目源码
Triplet Loss 损失函数应用实战-完整代码+数据
06-20
Triplet Loss 损失函数应用实战-完整代码+数据
基于改进损失函数的YOLOv3网络
05-06
为了提高卷积神经网络在目标检测的精度，本文提出了一种基于改进损失函数的YOLOv3网络.该网络模型应用一种新的损失函数Tan-Squared Error （TSE），将原有的平方和损失（Sum Squared Error，SSE）函数进行转化，能更...
CIOU LOSS
qq_43586192的博客
04-02 997
def Ciou(bboxes1, bboxes2): rows = bboxes1.shape[0] cols = bboxes2.shape[0] cious = torch.zeros((rows, cols)) if rows * cols == 0: return cious exchange = False if bboxes1.shape[0] > bboxes2.shape[0]: bboxes1, bbo
在yolov8中更改损失函数
fool996的博客
02-25 2853
之后，打开loss.py函数文件，然后 找到 class BboxLoss(nn.Module): 如图所示
Yolov8修改损失函数
小嘤熊的博客
01-04 3190
(这里可以使用Focus的思想，如果想使用则在下面的红框内添加Foucs=True即可,Focus一般情况下精度会更高，但也有个别的例外)③找到文件ultralytics/utils/tal.py，在这个文件中找到如下的代码块，这里已经修改完了(这里不要开启Focus，如果步骤二开启这里也不要开启，同时现在修改了，如果你想要使用inner就设置inner为True，举例如果你使用WIoU，如果不设置inner则此时为WIoU，如果你设置inner为True，那么此时使用的就是inner_WIoU)
Yolo v8 改进损失函数：Focal-loss
Phoebee_c的博客
07-26 6453
param alpha: 阿尔法α,类别权重. 当α是列表时,为各类别权重,当α为常数时,类别权重为[α, 1-α, 1-α, ....],常用于 目标检测算法中抑制背景类 , retainnet中设置为0.25。self.alpha[1:] += (1 - alpha) # α 最终为 [ α, 1-α, 1-α, 1-α, 1-α, ...] size:[num_classes]focal_loss损失函数, -α(1-yi)**γ *ce_loss(xi,yi)
如何修改YOLOV8?(从这8方面入手帮你提升精度)
热门推荐
jsnuchao的博客
04-13 1万+
提升yolov8的检测精度 数据图像增强
【YOLOv5进阶】——模型结构与模型原理&YOLOv5源码解析
最新发布
weixin_51658186的博客
06-03 1078
网络的具体结构在common.py、yolo.py、yolov5s.yaml这三个文件，修改网络结构是从这三个文件入手！
YOLOv5改进（六）--引入YOLOv8中C2F模块
qq_44231797的博客
06-02 1069
YOLOv5；YOLOv8；C2F；C3
yolov8改进损失函数
08-01
YOLOv8的改进损失函数主要是EfficiCIoU-Loss。EfficiCIoU-Loss是一种用于目标检测的损失函数，旨在提高YOLOv8模型的精度和效果。根据引用[1]和引用[2]的内容，EfficiCIoU-Loss是在YOLOv7/v5的基础上进行改进的，它结合了wiou、eiou、siou和a-iou等边框位置回归函数。通过使用EfficiCIoU-Loss，YOLOv8模型可以更准确地定位目标并提高检测的精度。 根据引用[3]的内容，EfficiCIoU-Loss在训练过程中显示出较快的收敛速度，并且在50轮后损失值下降到小于0.03。在300轮后，ECIOU_Loss、EIOU_Loss和CIOU_Loss的损失值分别约为0.015、0.017和0.020。这表明EfficiCIoU-Loss在YOLOv8模型中的应用可以有效地改进损失函数，并提高模型的性能。 因此，通过将EfficiCIoU-Loss应用于YOLOv8模型，可以改进损失函数，提高目标检测的精度和效果。

“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
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