RT-DETR优化改进：IoU系列篇 | Shape-IoU结合基于辅助边框的Inner-IoU损失，实现再次创新

发布时间：2024年01月05日

??????本文改进： Shape-IoU结合基于辅助边框的Inner-IoU损失，小目标检测实现涨点，基于辅助边框的优化前提下，更加关注边界框本身的形状和尺度来计算损失

??????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.Shape-IoU原理介绍

论文：https://arxiv.org/pdf/2312.17663.pdf

摘要：边界盒回归损失作为检测器定位分支的重要组成部分，在目标检测任务中起着重要的作用。现有的边界盒回归方法通常考虑GT盒与预测盒之间的几何关系，

文章来源:https://blog.csdn.net/CV_20231007/article/details/135407226
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。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！