《Distance-IoU Loss:Faster and Better Learning for Bounding Box Regression》论文笔记

代码地址:DIoU 1. 概述 导读:这篇文章主要的贡献在边界框损失函数的优化上面,传统上使用 L n L_n Ln​范数的损失,如smooth-L1或是其对应的改进balanced-L1,但是这些损失函数并不直接与检测框的质量相关。将检测框的质量作为回归的度量就引入IoU损失函数,为了弥补IoU损失函数在不相交的时候不可导的问题引入GIoU,但是GIoU也是存在收敛速度慢且回归不准确(GIoU在
相关文章
相关标签/搜索