Yolov8损失函数改进:Wasserstein Distance Loss,助力小目标涨点
论文名称:《A Normalized Gaussian Wasserstein Distance for Tiny Object Detection》
作者:Jinwang Wang、Chang Xu、Chang Xu、Lei Yu
论文地址:https://arxiv.org/abs/2110.13389
小目标检测是一个非常具有挑战性的问题,因为小目标只包含几个像素大小。作者证明,由于缺乏外观信息,最先进的检测器也不能在小目标上得到令人满意的结果。作者的主要观察结果是,基于IoU (Intersection over Union, IoU)的指标,如IoU本身及其扩展,对小目标的位置偏差非常敏感,在基于Anchor的检测器中使用时,严重降低了检测性能。
为了解决这一问题,本文提出了一种新的基于Wasserstein距离的小目标检测评估方法。具体来说,首先将BBox建模为二维高斯分布,然后提出一种新的度量标准,称为Normalized Wasserstein Distance(NWD),通过它们对应的高斯分布计算它们之间的相似性。提出的NWD度量可以很容易地嵌入到任何基于Anchor的检测器的Assignment、非最大抑制和损失函数中,以取代常用的IoU度量。
1)分析了 IoU 对微小物体位置偏差的敏感性,并提出 NWD 作为衡量两个边界框之间相似性的更好指标;
2)通过将NWD 应用于基于锚的检测器中的标签分配、NMS 和损失函数来设计强大的微小物体检测器;
Yolov8损失函数改进:Wasserstein Distance Loss,助力小目标涨点相关推荐
- yolov5增加NWD loss提升小目标检测能力
论文地址:https://arxiv.org/abs/2110.13389 文章解读:提升小目标检测新的包围框相似度度量:Normalized Gaussian Wasserstein Distanc ...
- 提升小目标检测新的包围框相似度度量:Normalized Gaussian Wasserstein Distance
论文地址:https://arxiv.org/pdf/2110.13389.pdf 文章摘要:检测小目标是个很大的挑战,因为小目标一般在尺寸上只占据很少的像素,目前的最好的物体检测器也无法在小目标上取 ...
- YOLOv8/YOLOv7/YOLOv5系列算法改进【NO.6】增加小目标检测层,提高对小目标的检测效果
前 言:作为当前先进的深度学习目标检测算法YOLO,已经集合了大量的trick,但是在处理一些复杂检测问题的时候,还是容易出现错漏检的问题.此后的系列文章,将重点对YOLOv8.YOLOv7以及YOL ...
- 损失函数改进方法总览
损失函数改进方法总览 https://www.cnblogs.com/DicksonJYL/p/9576982.html 这篇博客主要列个引导表,简单介绍在深度学习算法中损失函数可以改进的方向,并给出 ...
- NWD-Based Model | 小目标检测新范式,抛弃IoU-Based暴力涨点(登顶SOTA)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨ChaucerG 来源丨集智书童 小目标检测是一个非常具有挑战性的问题,因为小目标只包含几个像素 ...
- CVPR 2022 | 图森未来提出小目标检测工作QueryDet:使用级联稀疏query加速高分辨率下的小目标检测...
作者丨Herschel@知乎 来源丨https://zhuanlan.zhihu.com/p/495892085 编辑丨CVer 论文:https://arxiv.org/abs/2103.09136 ...
- 2021年小目标检测最新研究综述 很全面值得收藏
摘要 小目标检测长期以来是计算机视觉中的一个难点和研究热点.在深度学习的驱动下,小目标检测已取得了重大突破,并成功应用于国防安全.智能交通和工业自动化等领域.为了进一步促进小目标检测的发展,本文对小目 ...
- CVPR 2022 | QueryDet:使用级联稀疏query加速高分辨率下的小目标检测
©作者 | Herschel 虽然在过去的几年中,基于深度学习的通用目标检测已经取得了巨大的成功,但在检测小目标的性能和效率方面却远远不能令人满意.推广小目标检测最常见和有效的方法是使用高分辨率图像或 ...
- 摄像头图像分析目标物体大小位置_小目标检测的增强算法
版权声明:本文来源 程序媛的小世界https://zhuanlan.zhihu.com/p/135397874 Augmentation for small object detection 摘要 近 ...
最新文章
- bootstrap 弹框使用
- excel另存为没有dbf_PDF转Excel怎么做的?节省工作时间,你要学会的办公技巧
- 移动网页如何实现发送短信和拨打电话的功能
- django 利用PIL 保存图片
- 7.25第一次组队赛
- java 实现 常见排序算法(一) 冒泡排序
- cancase vector_基于Vector总线设备的CAN总线测试方法概述
- 7-41 大数的乘法 (10 分)
- Python——eventlet.greenpool
- 首批骁龙875旗舰!小米11屏幕依然是挖孔
- 大数据分析目前面临哪些问题
- 光驱是DVD,而系统却显示为CD驱动器的原因
- 昨天,美团程序员的年终奖金可能没了!
- 苹果7系统更新12无服务器,别再为苹果手机无法更新系统犯难,这几种方式帮你解决!...
- 一键生成 Android 录屏 gif 的脚本
- 同济版《线性代数》引争议,从清华改用MIT数学课程看中美数学教育差距!
- 网站CNZZ数据统计的实现方式
- 海洋cms模板免费下载
- 《扫雷》游戏递归算法分析
- selenium基本知识点+浏览器隐私模式
热门文章
- 记录英语写作论文常用网站
- 正面刚甲骨文?那不是华为GaussDB的格局
- miniconda下载安装
- 关于纯洁的微笑《Spring Boot(七):Mybatis 多数据源最简解决方案》文章补充说明多数据源事务的配置
- 历年软考案例分析背景中的明显错误总结(七)
- 公关中的“功守道”:如何做好防御型公关和进攻型公关?
- solidity智能合约面试题
- Ubuntu+Xen+Virt-manager创建全虚拟机化虚拟机(HVM)方法大合集 | CSDN 创作打卡
- Sandcastle Help File Builder BE0032报错
- 检查宿舍卫生( 结构体 ) SDUT C语言