首页 > 其他分享 >YOLO——yolo v4(2)

YOLO——yolo v4(2)

时间:2024-11-02 09:19:49浏览次数:5  
标签:真实 YOLO frac 预测 检测 IOU yolo 损失 v4

文章目录


YOLOv4是一种先进的目标检测算法,它在YOLO系列的基础上进行了多项改进和优化。

一、损失函数改进

IOU损失表示预测框A和真实框B之间交并比的差值,反映预测检测框的检测效果。在目标检测任务中,通常使用1-IOU作为优化目标,即最大化预测框与真实框的重叠程度,也就是最小化IOU损失。
当预测框与真实框没有相交时,IOU损失为0,无法梯度计算,且相同的IOU有时也并不一定能反应真实情况。
为了克服传统IOU损失的局限性,研究者们提出了多种优化和改进方法,如GIOU、DIOU和CIOU等。

1.GIOU损失

计算公式: L G I O U = 1 − I O U + ∣ C − B ∪ B g t ∣ C L_{GIOU}=1-IOU+\frac{|C-B∪B^{gt}|}{C} LGIOU​=1−IOU+C∣C−B∪Bgt∣​
GIoU在IOU的基础上增加了一个惩罚项,用于度量预测框和真实框之间的非重叠区域。GIoU的取值范围在[-1,1]之间,当预测框与真实框完全重合时取值为1,当两者无交集且无限远时取值为-1。GIoU损失能够更好地反映预测框与真实框之间的重合度,且解决了IOU损失在检测框不重叠时出现的梯度问题。
在这里插入图片描述
但是如果预测框在真实框内部,会导致惩罚项全部为0,导致最终GIOU损失全部一致,如下:
在这里插入图片描述

2.DIOU损失

DIOU在IOU的基础上考虑了预测框和真实框之间的距离信息,使得目标框回归更加稳定。
计算公式为:
L D I O U = 1 − I O U + ρ 2 ( b , b g t ) C 2 L_{DIOU }= 1-IOU+\frac{ρ²(b, b^{gt})}{C^2} LDIOU​=1−IOU+C2ρ2(b,bgt)​
b b b、 b g t b^{gt} bgt表示预测框和真实框的中心点,ρ表示计算两个中心点的欧式距离,所以分子就是预测框与真实框中心点的欧氏距离d。c表示能够同时包含预测框和真实框最小闭包区域的对角线距离。
在这里插入图片描述
这种方法通过直接优化距离,速度更快,并且在预测框在真实框内部,但是因为位置不一样,所以导致中心点距离不一致,所得结果也就不一致,可以很好的解决GIOU的问题。
在这里插入图片描述
但是我们又遇到了另一个问题,假如有两个预测框在真实框内部,且中心点相同,如下图:
在这里插入图片描述

这理会产生新的问题,即得到的惩罚项也相同,无法判断哪一个预测框更好。

3.CIOU损失

CIoU在DIoU的基础上进一步考虑了预测框和真实框之间的长宽比信息,使得目标框回归更加准确。CIoU损失的计算公式相对复杂,但同样能够显著提升目标检测算法的性能。
计算公式:
L C I O U = 1 − I O U + ρ 2 ( b , b g t ) C 2 + α v L_{CIOU }= 1-IOU+\frac{ρ²(b, b^{gt})}{C^2}+αv LCIOU​=1−IOU+C2ρ2(b,bgt)​+αv
α = v ( 1 − I O U ) + v α = \frac{v}{(1-IOU)+v} α=(1−IOU)+vv​
v = 4 π 2 ( a r c t a n w g t h g t − a r c t a n w h ) 2 v = \frac{4}{π^2}(arctan \frac{w^{gt}}{h^{gt}}-arctan \frac{w}{h})^2 v=π24​(arctanhgtwgt​−arctanhw​)2
其中α可以当作权重参数, w g t h g t \frac{w^{gt}}{h^{gt}} hgtwgt​与 w h \frac{w}{h} hw​分别为真实框与预测框的宽高比,通过增加比值信息,可以进一步解决DIOU的问题。
所以损失函数必须要考虑到三个要素:重叠面积、中心点距离与长宽比。

二、非极大值抑制

非极大值抑制(Non-Maximum Suppression,NMS)是目标检测中常用的一种技术,用于去除冗余的边界框,获取最佳的检测结果。
但是传统的NMS存在一定的问题:如果一个物体在另一个物体重叠区域出现,即当两个目标框接近时,分数更低的框就会因为与之重叠面积过大而被删掉,从而导致对该物体的检测失败并降低了算法的平均检测率。
所以我们使用soft-nms,它是对NMS的一种改进算法,它引入递减置信度的惩罚因子,以更加灵活地处理重叠的检测框。通过逐步降低检测得分而不是直接删除低得分框,soft-nms能够改善检测性能,减少漏检和过多候选框的问题,从而提高目标检测的准确性和鲁棒性。
在这里插入图片描述
将当前检测框得分乘以一个权重函数,即 e − i o u ( M , b i ) 2 σ e^{\frac{-iou(M,b_i)^2}{σ}} eσ−iou(M,bi​)2​,该函数会衰减与最高得分检测框M有重叠的相邻检测框的分数,函数图像如下图,
在这里插入图片描述
所以越是与M框高度重叠的检测框,该函数值就越小,其得分衰减越严重,为此选择高斯函数为权重函数,从而修改其删除检测框的规则。(δ通常取0.3)。

标签:真实,YOLO,frac,预测,检测,IOU,yolo,损失,v4
From: https://blog.csdn.net/2301_77698138/article/details/143440103

相关文章

  • Pyqt搭建YOLOV5目标检测界面
    往期热门博客项目回顾:计算机视觉项目大集合改进的yolo目标检测-测距测速路径规划算法图像去雨去雾+目标检测+测距项目交通标志识别项目yolo系列-重磅yolov9界面-最新的yolo姿态识别-3d姿态识别深度学习小白学习路线yoloGUIOYQT界面YOLOv5-GUI是一款专为YOL......
  • yolov8旋转目标检测从原理到模型训练、部署、验证、推理(附代码)
    定向边界框目标检测在这里插入图片描述导言定向目标检测是在传统目标检测的基础上更进一步的技术,它引入了一个额外的角度参数,以更精确地定位图像中的物体。传统的目标检测算法通常使用轴对齐的矩形包围框来框定物体,而定向目标检测则使用旋转的边界框,这些边界框能够更好......
  • KubeSphere v4 应用商店配置指南
    在KubeSpherev4版本中,为保持平台的简洁性,系统默认移除了内置应用商店中的应用。用户可以按照下列步骤进行手动配置和添加。注意:应用商店和扩展市场有所不同,扩展市场的使用方法将在后续文档中详细介绍。HelmRepo源:安装过程中需要从源下载Chart包,确保源可用并同步最新的......
  • 【YOLOv11改进 - 注意力机制】LSKA(Large Separable Kernel Attention):大核分离卷积注
    YOLOv11目标检测创新改进与实战案例专栏点击查看文章目录:YOLOv11创新改进系列及项目实战目录包含卷积,主干注意力,检测头等创新机制以及各种目标检测分割项目实战案例点击查看专栏链接:YOLOv11目标检测创新改进与实战案例@目录YOLOv11目标检测创新改进与实战案例专栏介......
  • 【YOLO目标检测实战 】1.Windows安装WSL2和Linux子系统
    1下载安装显卡驱动下载地址:https://www.nvidia.cn/geforce/drivers/根据显卡型号,下载显卡驱动根据默认选项,安装显卡驱动查看显卡驱动是否安装成功右键开启菜单->命令提示符(管理员)在命令行中输入nvidia-smi.exe命令,查看显卡驱动是否安装成功。2下载安装MobaXte......
  • 【YOLO目标检测实战 】2.Linux子系统安装Anaconda和Ultralytics
    1安装软件包更新仓库源sudocp/etc/apt/sources.list/etc/apt/sources.list.baksudosed-i"s@http://.*archive.ubuntu.com@http://repo.huaweicloud.com@g"/etc/apt/sources.listsudosed-i"s@http://.*security.ubuntu.com@http://repo.huaweicloud.co......
  • YOLOv4和Darknet实现坑洼检测
    项目源码获取方式见文章末尾!600多个深度学习项目资料,快来加入社群一起学习吧。《------往期经典推荐------》项目名称1.【MobileViT实现垃圾分类】2.【卫星图像道路检测DeepLabV3Plus模型】3.【GAN模型实现二次元头像生成】4.【CNN模型实现mnist手写数字识别】5.......
  • <项目代码>YOLOv8 钢索缺陷检测<目标检测>
     YOLOv8是一种单阶段(one-stage)检测算法,它将目标检测问题转化为一个回归问题,能够在一次前向传播过程中同时完成目标的分类和定位任务。相较于两阶段检测算法(如FasterR-CNN),YOLOv8具有更高的检测速度和实时性。1.数据集介绍数据集详情可以参考博主写的文章<数据集>钢索缺陷检测......
  • ipv6使用上和ipv4有区别吗
    IPv6与IPv4在使用上的主要区别包括:1.地址格式不同;2.地址空间更大;3.安全性增强;4.自动配置能力;5.数据包头部结构不同;6.路由选择优化;7.对多播和移动性的支持更好。IPv6的推出旨在解决IPv4地址耗尽问题,同时提高网络效率和安全性。IPv6的地址空间比IPv4大得多,提供了更多的地址分配选择......
  • YOLO11数据增强 :自动生成图片以及xml文件,开箱即用
        ......