文章目录
摘要
这篇文章讲述如何在YoloV9中,使用Wise-IoU涨点。首先,翻译了论文,让大家了解什么是Wise IoU,以及Wise IoU的三个版本。接下来讲解如何在YoloV9中添加Wise IoU。然后,我测试了不同的版本涨点的效果。最后,对这篇文章做总结。
希望,通过这篇能够帮助到大家!当然,如果有错误,欢迎指出,我一定改正!谢谢!
Wise-IoU 论文翻译
摘要
论文地址:https://arxiv.org/abs/2301.10051
GitHub:https://github.com/Instinct323/wiou
边界盒回归(BBR)的损失函数是目标检测的关键。它的良好定义将为模型带来显著的性能改进。现有的大部分工作都假设训练数据中的样例质量较高,侧重于加强BBR损失的拟合能力。如果盲目地在低质量的实例上加强BBR,将会危及本地化性能。为了解决这一问题,提出了Focal-EIoU v1,但由于其静态聚焦机制(FM),非单调FM的潜力没有得到充分发挥。在此基础上,我们提出了一种基于动态非单调调频的Wise-IoU (WIoU)欠条损失算法。动态非单调调频算法用离群度代替借据来评价锚盒的质量,并提出了一种明智的梯度增益分配策略。这种策略降低了高质量锚盒的竞争力,同时也减少了低质量示例产生的有害梯度。这使得WIoU可以专注于普通质量的锚盒,并提高探测器的整体性能。当WIoU应用于最先进的实时探测器YOLOv7时,MS-COCO数据集上的AP75从53.03%提高到54.50%。代码可从https://github.com/Instinct323/w