RT-DETR优化改进：IoU系列篇 | Focaler-IoU???????更加聚焦的IoU损失Focaler-IoU |2024年最新发表

发布时间：2024年01月25日

 ??????本文改进：Focaler-IoU更加聚焦的IoU损失Focaler-IoU，能够在不同的检测任务中聚焦不同的回归样本，使用线性区间映射的方法来重构IoU损失

 ??????RT-DETR改进创新专栏：http://t.csdnimg.cn/vuQTz

??????学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；

??????RT-DETR模型创新优化，涨点技巧分享，科研小助手；

1.Focaler-IoU

论文：https://arxiv.org/pdf/2401.10525.pdf 

摘要：边框回归在目标检测领域起着至关重要的作用，而目标检测的定位精度很大程度上取决于边框回归的损失函数。现有研究通过利用边框之间的几何关系来提高回归性能，而忽略了样本难易分布对边框回归的影响。在本文中，我们分析了难易样本分布对回归结果的影响，然后提出Focaler-IoU

文章来源:https://blog.csdn.net/CV_20231007/article/details/135821526
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