《Distance-IoU Loss:Faster and Better Learning for Bounding Box Regression》論文筆記

代碼地址:DIoU 1. 概述 導讀:這篇文章主要的貢獻在邊界框損失函數的優化上面,傳統上使用 L n L_n Ln​範數的損失,如smooth-L1或是其對應的改進balanced-L1,但是這些損失函數並不直接與檢測框的質量相關。將檢測框的質量作爲迴歸的度量就引入IoU損失函數,爲了彌補IoU損失函數在不相交的時候不可導的問題引入GIoU,但是GIoU也是存在收斂速度慢且迴歸不準確(GIoU在
相關文章
相關標籤/搜索