其他分享
首页 > 其他分享> > 目标检测损失函数介绍

目标检测损失函数介绍

作者:互联网

目标检测损失函数介绍

a、IoU_loss

在这里插入图片描述
黑色:Ground truth box
红色:Prediction box

IoU_loss = 1 - IoU = 1 - A/B

存在问题:
在这里插入图片描述
二者不相交,IoU=0,无法反映俩个框距离远近,且此时Iou_loss不可导
在这里插入图片描述
二者IoU相等,无法区分

b、GIoU_loss(YoLov5)

在这里插入图片描述
     GIoU_loss = 1 - GIoU = 1 - (IoU - D/C) # { IoU = 1 - A/B}

存在问题:
在这里插入图片描述
当预测框(红)在目标框(黑)内部,无法区分相对位置。

c、DIoU_loss

在这里插入图片描述
DIoU_loss = 1 - DIoU = 1 - (IoU - (Distance_2)(Distance_2)/(Distance_c)(Distance_c))

存在问题:
在这里插入图片描述
预测框中心点一样,面积也一样——> Distance_2 相等,导致GIoU_loss 失效

d、CIoU_loss(YoLov4)

在这里插入图片描述
增加一个长宽比的影响因子v

e、四者比较

IoU_loss:考虑检测框和目标框的重合程度;
GIoU_loss:在上一个基础上,解决了边界框不重合的问题;
DIoU_loss:在上一个基础上,考虑边界框中心点距离;
GIoU_loss:在上一个基础上,考虑边界框长宽比。

标签:GIoU,loss,函数,Distance,检测,IoU,box,损失,DIoU
来源: https://blog.csdn.net/nibidal/article/details/120564653