Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
摘要边框回归是目标检测的关键步骤。在现有的方法中,虽然在边框回归中广泛采用了n范数损失,但并不是针对评价指标IoU进行定制的。近年来,人们提出了IoU损失和G-IoU损失两种可以有利于提升IoU指标的方法,但仍存在收敛速度慢、回归不准确等问题。在这篇论文中,通过合并预测框和目标框之间的归一化距离,我们提出了一种Distance -IoU损失,它在训练过程中比IoU和GIoU损失收敛得更快。此外...
原创
2019-12-10 21:10:59 ·
631 阅读 ·
0 评论