YOLOV5，查看自己的IOU，并更换

于 2024-04-10 09:52:08 发布
阅读量345 收藏
点赞数 1
分类专栏： 深度学习入门 文章标签： YOLO 计算机视觉 深度学习 人工智能 目标检测 机器学习
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_53035684/article/details/137581526
版权

在train.py里  按Ctrl+F键，

查询 

with torch.cuda.amp.autocast(amp):

 下面有个compute_loss

按住Ctrl点compute_loss

就会进入新页码

再按住Ctrl点Computeloss（这里是等号的右边那个）

进入新界面

往下找有个

或者按Ctrl+F,搜

iou = bbox_iou

 这里显示的yolov5默认的IOU为CIOU

去更换IOU，yolov5自带有几个

按住Ctrl单点bbox_iou

会进入新的页面

 这里就是几个自带的IOU

若要替换的话，比如使用Giou

就在这里，把CIoU换成GIoU就可以了

老泗
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
YOLOv5改进实战 | 更换损失函数（一）之EIoU、Alpha-IoU、SIoU篇
w94ghz的博客
09-18 6178
YOLO
02-20
您只看一次（YOLO）：Pytorch实施 该项目涉及在文件定义的对象检测算法Yolo的实现。 YOLO将对象检测问题视为回归问题，并使用单个神经网络在一次评估中直接从完整图像中预测边界框和类概率。 结果 | | | 我在这里 神经网络输出 超参数 焦点损失alpha = 0.25，gamma = 2 面膜减肥：3 类别阈值：0.2 INS阈值：0.5 IoU阈值：0.3 学习率：0.01，0.001 @ epoch28，0.0001 @epoch 34 动量：0.9 重量衰减：0.0001 历元数：40 损失图 精度与召回图
应该算是比较详细的Yolo更换IOU教程
weixin_44900686的博客
01-11 485
为什么说应该算是比较详细呢？因为我都是和网上大佬们复刻的，我感觉比更换backbone和head要简单，所以其它人的教程更加详细比我应该，但是我觉得光看我这个应该也够了。再一个为什么我前面的教程都是yolov8，这里变成v5了呢？因为我的电脑带不动v8了，我改了一堆东西之后v8跑不动了，用v5试验吧，目前为止我的效果都很好，如果评论有需要，我出一期我的修改过程（v5的，v5改的比较成功）。
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 思路及具体求法: https://github.com/AlexeyAB/darknet/issues/2287 https://blog.csdn.net/qq_34199326/article/details/84109828 https://blog.csdn.net/qq_34199326/arti
如何在YOLOv8与YOLOv5中：替换IOU损失函数，SIoU、Wise-IoU等多种IoU一键替换
qq_44224801的博客
04-06 1898
YOLOv5及V8改进系列：替换IOU损失函数，SIoU、Wise-IoU等多种IoU一键替换
【YOLOv5改进系列(1)】高效涨点----使用EIoU、Alpha-IoU、SIoU、Focal-EIOU替换CIou
慕溪同学的博客
03-19 1458
YOLOv5使用的默认边界框回归损失是CIou，在CVPR上等相关论文作者提出了等边界框回归损失计算方法，经过实验证明，使用这些方法对于数据集"涨点"有一定的帮助，在后面测试过程中使用的是由东北大学（NEU）发布的表面缺陷数据库，收集了热轧钢带的六种典型表面缺陷，即轧制氧化皮（RS），斑块（Pa），开裂（Cr），点蚀表面（ PS），内含物（In）和划痕（Sc）。该数据库包括1,800个灰度图像：6种不同类型的典型表面缺陷，每一类缺陷包含300个样本。
涨点技巧：IOU篇---Yolov5/Yolov7引入WIoU，SIoU，EIoU，α-IoU
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9，订阅者私信添加本人微信！！！ By AI小怪兽
04-17 2479
IOU篇---Yolov5/Yolov7引入WIoU，SIoU，EIoU，α-IoU ，在多个数据集下验证相比较于YoloV5默认的CIOU确实能够涨点。
YOLOv5改进系列（17）——更换IoU之MPDIoU（ELSEVIER 2023|超越WIoU、EIoU等|实测涨点）
路人贾的博客
07-29 4374
yolov5更换IoU之MPDIoU，有效和准确的边界盒回归的损失，ELSEVIER 2023最新发表，超越WIoU、EIoU等，实测涨点！
Yolov5如何更换EIOU / alpha IOU / SIoU？
YOLOv8项目贡献者
05-21 2万+
Yolov5更换IoU方式介绍
基于pyqt的YOLOv5目标训练和检测界面实现（含图片爬虫下载、数据集标注、数据一键配置、训练、图片、视频和摄像头实时检测）
03-24
YOLOv5框架，将源码进行封装，并利用pyqt实现了训练+检测2个部分的界面功能。训练部分，从图片爬虫下载、数据标注、数据集配置到最后的训练；检测部分，从检测参数设置（支持实时设置置信度和IOU等）、数据选择（支持图片、视频和多种摄像头）到结果显示。全部实现界面开发和多线程调度处理。
Yolov5:在TensorFlow2中高效实现YOLOV5
05-11
约洛夫5 由TensorFlow2实现的YoloV5，支持培训，评估和推断。 目前尚不完善的项目，但我会继续改进，因此您可能希望观看/加注此仓库以进行重新访问。 任何贡献都受到高度欢迎 主要特征 纯tensorflow2最小Yolov5 yaml文件配置模型 定制数据培训 镶嵌数据扩充 通过锚的iou或wh比编码标签 阳性样本增加 多GPU训练 详细的代码注释 充满弊端，还有巨大的改进空间 用法 克隆和安装要求 $ git clone [email protected]:LongxingTan/Yolov5.git $ cd Yolov5/ $ pip install -r requirements.txt 下载VOC $ bash data/scripts/get_voc.sh $ cd yolo $ python dataset/prepare_data.py 火车 $ python
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
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
基于YOLOv5+Intel_Realsense_D435i开发的物体之间三维距离测量python源码+项目说明.zip
最新发布
04-10
配置yolov5_D435i_2.0/config/yolov5s.yaml,运行yolov5_D435i_2.0/config/main2.py即可 yolov5_D435i_2.0/config/yolov5s.yaml: ``` weight: "weights/yolov5s.pt" # 输入图像的尺寸 input_size: [640,480] # 类别...
Yolov8自带IOU方法对接(WIoU，α-IoU，SIoU，EIoU)
牛肉胡辣汤
11-22 723
YOLOv8自带了多种改进的IOU方法，包括WIoU、α-IoU、SIoU和EIoU等。这些IOU方法通过引入不同的调整和权重机制，提高了目标检测算法的准确性和鲁棒性。在实际应用中，选择合适的IOU方法可以根据不同的数据集和任务需求进行调整，以获得更好的目标检测性能。希望本文对YOLOv8自带的IOU方法有所帮助，并为读者理解目标检测算法的改进提供了参考。当结合实际应用场景时，可以使用以下示例代码来演示在目标检测任务中使用YOLOv8自带的IOU方法。# 计算传统IOUreturn iou。
YOLO 模型的评估指标——IOU、Precision、Recall、F1-score、mAP
qq_63708623的博客
01-01 2万+
YOLO是最先进的目标检测模型之一。目标检测问题相比分类问题要更加复杂，因为目标检测不仅要把类别预测正确，还要预测出这个类别具体在哪个位置。我将目标识别的评估指标总结为两部分，一部分为预测框的预测指标，另一部分为分类预测指标。
改进YOLO系列 | YOLOv5 更换训练策略之 SIoU / EIoU / WIoU / Focal_xIoU 最全汇总版 | 新增MPDIoU
YOLOv8项目贡献者
02-14 7390
所有IoU方式已经通过判断语句实现了融合 新增MPDIoU🍀🍀🍀
YOLOV5改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU
热门推荐
qq_37706472的博客
01-19 2万+
手把手教你在YoloV5中添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU.
yolov5 更换IOU
06-01
在YOLOv5中，IOU（Intersection over Union，即交并比）是计算预测框和真实框之间的相似度的重要指标之一，它对目标检测的准确性和鲁棒性有着至关重要的作用。如果要更换IOU的计算方式，需要经过一些实验和调整才能确定最适合当前数据集和任务的计算方法。 以下是一些可能的替代方式： 1. GIOU（Generalized Intersection over Union）：GIOU是一种基于IoU的改进版本，它不仅考虑了预测框和真实框之间的重叠程度，还考虑了它们的大小和位置关系，能够更准确地反映目标的匹配程度。 2. DIOU（Distance Intersection over Union）：DIOU是一种基于距离的IoU计算方式，它不仅考虑了预测框和真实框之间的重叠程度，还考虑了它们的中心点之间的距离，能够更好地解决目标位置偏移的问题。 3. CIOU（Complete Intersection over Union）：CIOU是一种综合考虑了预测框和真实框之间的位置、大小、角度等因素的IoU计算方式，能够更全面地反映目标的匹配程度。 需要注意的是，更换IOU的计算方式可能会对模型的训练和预测产生较大影响，需要进行充分的实验和调整。另外，如果要更换IOU计算方式，一定要对其他的超参数、网络结构、损失函数等进行相应的调整，以获得最佳的性能。

“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 1
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