RT-DETR算法优化改进：新颖的Shape IoU结合 Inner-IoU，基于辅助边框的IoU损失的同时关注边界框本身的形状和尺度，小目标实现高效涨点

发布时间：2024年01月06日

 ??????本文改进：一种新的Shape IoU方法结合 Inner-IoU，基于辅助边框的IoU损失的同时，更加关注边界框本身的形状和尺度来计算损失

??????对小目标检测涨点明显，在VisDrone2019、PASCAL VOC均有涨点

RT-DETR魔术师专栏介绍：

https://blog.csdn.net/m0_63774211/category_12497375.html

???魔改创新RT-DETR

??????引入前沿顶会创新（CVPR2023，ICCV2023等），助力RT-DETR

??????基于ultralytics优化，与YOLO完美结合

??????重点：通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、detect、loss等）进行魔改，实现创新！！！


1.Shape-IoU介绍

文章来源:https://blog.csdn.net/m0_63774211/article/details/135407169
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章