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 ...

Yolov8损失函数改进：Wasserstein Distance Loss，助力小目标涨点

Yolov8损失函数改进：Wasserstein Distance Loss，助力小目标涨点相关推荐

最新文章

热门文章