IOU_GIOU_DIOU_CIOU_EIOU优缺点总结

已于 2022-03-16 00:13:17 修改
阅读量1.1w 收藏 66
点赞数 11
分类专栏： 深度学习 文章标签： 目标检测 计算机视觉 深度学习
于 2021-12-13 13:19:46 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_45074568/article/details/121903236
版权
IOUGIOUDIOUCIOUEIOU
优点IOU算法是目标检测中最常用的指标，具有尺度不变性，满足非负性；同一性；对称性；三角不等性等特点。GIOU在基于IOU特性的基础上引入最小外接框解决检测框和真实框没有重叠时loss等于0问题。DIOU在基于IOU特性的基础上考虑到GIOU的缺点，直接回归两个框中心点的欧式距离，加速收敛。CIOU就是在DIOU的基础上增加了检测框尺度的loss，增加了长和宽的loss，这样预测框就会更加的符合真实框。EIOU在CIOU的基础上分别计算宽高的差异值取代了纵横比，同时引入Focal Loss解决难易样本不平衡的问题。
缺点1.如果两个框不相交，不能反映两个框距离远近2.无法精确的反映两个框的重合度大小1.当检测框和真实框出现包含现象的时候GIOU退化成IOU 2.两个框相交时，在水平和垂直方向上收敛慢回归过程中未考虑Bounding box的纵横比，精确度上尚有进一步提升的空间1. 纵横比描述的是相对值，存在一定的模糊 2.未考虑难易样本的平衡问题待定
liiiiiiiiiiiiike
关注
  • 11
    点赞
  • 踩
  • 66
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
iou_count.py
10-11
iou_count.py
Net.rar_思科_思科 仿真
09-19
1. **思科交换机仿真器**：在实际环境中设置和测试网络设备可能会带来成本和风险，因此，思科提供了多种仿真工具，如Cisco Packet Tracer和Cisco IOS on Linux (IOU)等，使用户能够在虚拟环境中模拟真实的网络环境。...
基于Iou损失函数的优缺点（GIoU、DIoU、CIoU、EIoU）
weixin_44902604的博客
05-06 3863
各种基于IoU的损失函数在不同程度上解决了IoU损失的梯度问题，并在位置、形状等方面引入了额外的约束。在实际应用中，可以根据具体任务和数据集的特点选择合适的损失函数。可以尝试将这些损失函数与其他损失函数（如交叉熵损失、Smooth L1损失等）结合使用，以进一步提高模型的性能。
深入理解 YOLOv4 中的 CIOU 损失函数计算方法
AI_dataloads的博客
11-13 7580
CIOU 损失函数是 YOLOv4 在原有 IOU（Intersection over Union）损失函数基础上的改进版本。它考虑了目标框之间的完整交叉，并引入了修正因子，以更精准地度量目标框之间的相似性。CIOU 损失函数的计算方法相比于传统 IOU 更为复杂，但这也使得模型在训练过程中能够更好地理解目标框的准确位置和形状。CIOU 损失函数在设计上考虑了目标框的形状信息，通过引入修正因子，使得损失对于不同形状的目标框更具鲁棒性。这使得模型更容易捕捉目标的准确形状。
YOLOv8-20240507周更说明|更新Inner-IoU、Focal-IoU、Focaler-IoU等数十种IoU计算方式
最新发布
深度学习炼丹师，偶尔分享炼丹技术!
05-07 881
​​ ​本项目持续更新 | 最新更新时间：2024年4月21日 |
GIoU DIoU CIoU loss 损失函数
不佛的博客
12-01 1万+
目标检测任务中，Bounding Box的评估指标是IoU，IoU范围在(0,1)(0,1)(0,1)之间，具有尺度不变性，而且可以衡量各种形状的匹配程度。我们自然会考虑能否将IoU设计为一个损失函数。 IoU loss 最简单的，直接将1-IoU定义为损失，我自己在简单的目标检测项目中尝试过，基本没有办法学习，主要原因是：当预测框和目标框不相交时，IoU始终为0，损失函数不可导，无法优化。 另外这种损失定义方式无法区分IoU的各种情况，同样的IoU值，重叠形状可以有许多种，它们在效果上是有差异的，因此
目标检测中的预测框回归优化之IOU、GIOU、DIOU、CIOU和EIOU
哆啦A梦爱学习的博客
03-16 1万+
点击上方“码农的后花园”，选择“星标”公众号精选文章，第一时间送达目标检测分为：目标分类+目标定位两个任务。目标分类就是要对该目标进行分类以确定该目标属于什么类别以及其属于该类别的置信度......
目标检测算法常用Loss——DIoU GIoU CIoU
AI_eNyu的博客
05-07 2696
目标检测算法常用Loss 文章目录目标检测算法常用Loss1. 差值平方损失2. IoU Loss3. GIoU Loss4. DIoU Loss5. CIoU Loss6. 说明和补充6.1说明6.2 补充 1. 差值平方损失 在YOLOv3及YOLOv1,v2版本均采用的均值平方损失，也称为L2损失。L2损失在目标检测问题上不能很好的表现出ground truth 和预测框之间的位置，重合等关键信息。所以衍生出一系列关于IoU的损失。 2. IoU Loss 如下图三种不同的情况，明显第三个预测框与
目标检测中预测框回归优化IOU、GIOU、DIOU、CIOU、EIOU（二）
浅汐入梦的博客
04-08 6130
无，懒......
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
本篇文章将重点探讨YOLOv8的一个重要改进策略——将原来的Intersection over Union (IoU)度量标准CIoU替换为Wise-IoU，并讨论这种改进如何提高模型性能，同时支持其他IoU变体如EIoU、GIoU、DIoU和SIoU的无缝切换。...
IOU原理实现_hurried6qw_交并比IOU_图像IOU_arrangementbqv_
09-28
在计算机视觉领域，IOU（Intersection Over Union）是一种衡量两个目标检测框重叠程度的指标，常用于评估目标检测算法的性能。IOU的基本概念是计算两个边界框的交集面积与并集面积的比率，以此来判断预测的边界框与...
seg.rar_The Image
09-21
3. **评估标准**：为了衡量分割结果的质量，文档可能涉及各种评估指标，如IoU（Intersection over Union）、Dice系数、精度、召回率和F1分数。 4. **实际应用**：文档可能会通过实例展示图像分割在实际问题中的应用...
【深度学习】锚框损失 IoU Loss、GIoU Loss、 DIoU Loss 、CIoU Loss、 CDIoU Loss、 F-EIoU Loss
q742971636的博客
03-26 5122
文章目录IoU Los （Intersection over Union）GIoU Loss（考虑重叠面积）Generalized Intersection over UnionDIoU Loss（考虑重叠面积，中心点距离）Distance IoUCIoU Loss（考虑重叠面积，中心点距离，宽高比）Complete IoU LossCDIoU Loss (Control Distance IoU Loss)F-EIoU Loss（Focal and Efficient IOU Loss）在模型上的效果评
IoU、GIoU、DIoU、CIoU
weixin_38906715的博客
09-06 1049
IoU就是我们所说的交并比作为损失函数会出现的问题(缺点)如果两个框没有相交，根据定义，IoU=0，不能反映两者的距离大小（重合度）。同时因为loss=0，没有梯度回传，无法进行学习训练。IoU无法精确的反映两者的重合度大小。如下图所示，三种情况IoU都相等，但看得出来他们的重合度是不一样的，左边的图回归的效果最好，右边的最差。GIoU:先计算两个框的最小闭包区域面积(通俗理解：同时包含了预测框和...
【DIoU CIoU】DIoU和CIoU损失函数理解及代码实现
计算机视觉方面的点点滴滴，欢迎一起讨论
05-27 3439
文章目录1 引言2 问题分析3 作者思考4 DIoU Loss计算过程5 CIoU Loss计算过程6 IoU/GIoU/DIoU/CIoU代码实现可视化7 感谢链接 1 引言 目标检测任务的损失函数由Classificition Loss和Bounding Box Regeression Loss两部分构成。 Bounding Box Regression Loss Function的演进路线是： Smooth L1 Loss --> IoU Loss --> GIoU Loss -->
目标检测中的损失函数：IOU_Loss、GIOU_Loss、DIOU_Loss和CIOU_Loss
JulyLi2019的博客
12-04 2480
之前在项目中存在目标检测框内嵌的情况（目标检测框存在内嵌情况分析与解决），正好趁这个机会记录下目标检测中常用的几种IOU_loss函数。IOU_Loss作为传统的衡量标准，为我们提供了一个基础,而GIOU_Loss、DIOU_Loss和CIOU_Loss则在其基础上引入了更多的信息，如目标框的形状和相对位置等，从而使得模型更加准确地学习目标的位置和形状。！！2023年12月4日20:03:02。
IOU、GIOU、DIOU、CIOU详解及代码实现
热门推荐
qq_52302919的博客
01-13 1万+
一、IOU Loss 旷视在2016文章《UnitBox: An Advanced Object Detection Network》中提出了IOU Loss将4个点构成的box看成一个整体做回归。 文章链接：https://arxiv.org/pdf/1608.01471.pdf 1. 函数特性 IOU Loss的定义是先求出预测框和真实框之间的交集和并集之比，再求负对数，但是在实际使用中我们常常将IOU Loss写成1-IOU。如果两个框重合则交并比等于1，Loss为0说明重合度非常高。IOU满足非负性
目标检测回归损失函数——IOU、GIOU、DIOU、CIOU、EIOU
爱做菜的炼丹师
02-11 1万+
一、IOU Loss上一篇文章提到L1,L2及其变种只将Bounding box的四个角点分别求loss然后相加，没有引入box四个顶点之间的相关性并且模型在训练过程中更偏向于尺寸更大的物体。在此基础上旷视在2016文章《UnitBox: An Advanced Object Detection Network》中提出了IOU Loss将4个点构成的box看成一个整体做回归。文章链接：https:...
目标检测中IOU GIOU DIOU CIOU的理解
weixin_43868576的博客
08-24 4762
IOU论文： GIOU论文： DIOU论文：链接: link. CIOU论文：
把下面这段话改写一下：IOU_Loss：主要考虑检测框和目标框重合程度。 GIOU_Loss：在IOU的基础上，解决边界框不重合时的问题。 DIOU_Loss：在IOU和GIOU的基础上，考虑边界框中心点距离的信息。 CIOU_Loss：在DIOU的基础上，考虑边界框宽高比的尺度信息。 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
IOU_Loss是为了评估检测框与目标框之间的重叠程度；GIOU_Loss在基础上，能够解决边框不重叠时的问题；DIOU_Loss基于IOU和GIOU, 同时考虑了边界框中心点距离；CIOU_Loss 在DIOU基础上，尺度信息进一步添加到边界框的纠错中去。

“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 2
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

liiiiiiiiiiiiike

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