EIoU等-ELSEVIER计算机视觉：一种用于目标检测评估的新指标

最新推荐文章于 2024-05-01 08:24:06 发布
最新推荐文章于 2024-05-01 08:24:06 发布
阅读量310 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 计算机视觉 目标检测 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/IpyVariable/article/details/133154379
文章介绍了计算机视觉领域的目标检测新评估指标EIoU，它是对传统IoU的改进，旨在解决形变和遮挡情况下评估性能下降的问题。EIoU通过引入几何信息提供更准确的评估，有助于提升目标检测算法的评估准确性。

目标检测是计算机视觉领域的重要任务之一，它旨在识别图像或视频中的目标物体并确定其位置。在目标检测任务中，评估算法性能的指标起着至关重要的作用。本文介绍一种新的目标检测评估指标，称为EIoU（Enhanced Intersection over Union），该指标由ELSEVIER提出。

EIoU是对传统的Intersection over Union（IoU）指标的改进和扩展。IoU是目标检测中常用的指标之一，计算目标框预测和真实目标框之间的重叠程度。然而，IoU在一些情况下存在一些局限性，例如当目标框存在较大的形变或遮挡时，IoU的性能可能下降。EIoU通过引入额外的几何信息来解决这些问题。

下面给出了计算EIoU的源代码实现：

import numpy as np

def calculate_EIoU(pred_box, gt_box):
    pred_x1, pred_y1
了解本专栏 订阅专栏 解锁全文
目标检测性能优化，Focal EIOU，从IOU的角度提升检测的准确率
jacke121的专栏
11-20 1720
目标检测性能优化，Focal EIOU，从IOU的角度提升检测的准确率
YOLOv5改进之---EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU
qq_41920323的博客
01-08 1360
本文主要针对yolov5的iou损失函数进行改进，主要涵盖EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU这几种损失
L1 LOSS -- EIoU loss 一览 .pdf
02-03
L1 LOSS -- EIoU loss
IoU、GIoU、DIoU、CIoU、EIoU、αIoU
m0_50127633的博客
10-02 1024
如下图，三个红框的面积相同，但是长宽比不一样，红框与绿框中心点重合，这时三种情况的DIoU相同，证明DIoU不能很好的区分这种情况。DIoU损失是同时考虑包围盒的重叠面积和中心点距离，但没有考虑包围框的纵横比，因此CIoU在DIOU的基础上，考虑边界框宽高比的尺度信息。通过合并预测框和目标框之间的归一化距离来实现，它在训练中的收敛速度比IoU和GIoU损失快得多。EIoU是在CIoU的惩罚项基础上将预测和真实框的纵横比的影响因子拆开，分别计算预测框和真实框的长和宽，来解决CIoU存在的问题。
EIoU和Focal-EIoU Loss
Chenjiahui_LYee的博客
01-14 6314
CIoU Loss虽然考虑了边界框回归的重叠面积、中心点距离、高宽比。但是其公式中的v反映的是高宽的差异，而不是高宽分别与其置信度的真实差异。因此，有时会阻碍模型有效的优化相似性。针对这一问题，本文在CIoU的基础上将高宽比拆开，提出了EIoU Loss，并且引入了Focal Loss聚焦优质的锚框。
Yolov5/Yolov7损失函数改进：MPDIoU新型边界框相似度度量，效果秒杀GIoU 、 DIoU 、CIoU 、 EIoU等 | ELSEVIER 2023
①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体；
07-29 1527
ELSEVIER 2023 MPDIoU新型边界框相似度度量助力yolov5，适用提升小目标、遮挡物性能提升
YOLOv5改进系列（0）——重要性能指标、训练结果评价及分析、影响mAP指标的因素、优化mAP的方法
路人贾的博客
05-08 4万+
训练结果如何看？如何提高mAP?看看这篇就全部搞懂啦！超级详细，小白也能看懂！
【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）
热门推荐
路人贾的博客
03-03 24万+
一文带你详细了解YOLOv5（含YOLO系列论文讲解+源码详解+入门实践+算法改进）
YOLOv7独家改进：Inner-MPDIoU | Inner-IoU基于辅助边框的IoU损失，高效结合新型边界框相似度度量（MPDIoU） | 2023.11
①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体；
11-15 1604
Inner-IoU引入尺度因子ratio控制辅助边框的尺度大小用于计算损失，新型边界框相似度度量（MPDIoU）MPDIoU损失进行有效结合
目标检测 IoU、GIoU、DIoU、CIoU、EIoU
scott198512的博客
04-04 1万+
目标检测常用边界框IOU对比
目标检测中预测框回归优化IOU、GIOU、DIOU、CIOU、EIOU（二）
浅汐入梦的博客
04-08 6721
无，懒......
损失函数：IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU超详细精讲及Pytorch实现
路人贾的博客
06-20 4万+
一文带你了解IoU、GIoU、DIoU、CIoU、EIoU、alpha IoU、SIoU、WIoU。超级详细的解读，包含代码实现，适合小白！
【深度学习小知识】目标检测中的IOU、GIOU、DIOU、CIOU、EIOU等理论解析
Leomn_J的博客
10-11 1万+
IOU、GIOU、DIOU、CIOU解析IOUIOU原理IOU LossIOU存在问题GIOUGIOU原理DIOUCIOU 首先明确IOU系列的提出原因，即衡量预测框与真实框的关系。 IOU IOU原理 图中，红色框表示为预测框，绿色表示为真实框（标注框）。IOU就是计算真实框与红色框的交并比，具体流程如下： 计算真实框与预测框的交集 计算真实框与预测框的并集 计算交并比 IOU Loss 明白IOU原理后，进一步看一下IOU loss：IOU loss 将四个点构成的bbox,作为
【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标
xian0710830114的专栏
12-08 4万+
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EIoU，下面我们一起看一下这几种IoU。
详解IoU、GIoU、DIoU、CIoU、EIoU和DIoU-NMS
进击的扛把子
03-30 2万+
IoU厨师大赛
目标检测中的预测框回归优化之IOU、GIOU、DIOU、CIOU和EIOU
哆啦A梦爱学习的博客
03-16 1万+
点击上方“码农的后花园”，选择“星标”公众号精选文章，第一时间送达目标检测分为：目标分类+目标定位两个任务。目标分类就是要对该目标进行分类以确定该目标属于什么类别以及其属于该类别的置信度......
Yolov5如何更换EIOU / alpha IOU / SIoU？
YOLOv8项目贡献者
05-21 2万+
Yolov5更换IoU方式介绍
【YOLO改进】换遍IoU损失函数之EIoU Loss（基于MMYOLO）
最新发布
Vlone_pp的博客
05-01 1862
在针对YOLO的改进中，通过替换损失函数常常可以达到“无痛提点”的效果，本文将基于MMYOLO框架介绍如何用DIoU损失函数替换YOLO中常用的EIoU损失函数。
计算机视觉中的特征提取算法：性能比较与评估
"埃及信息学杂志发表了一篇关于图像特征提取算法评估和性能比较的研究文章，主要探讨了在计算机视觉领域中关键的图像低层特征提取算法。文章由开罗大学的专家撰写，发表在Elsevier出版的期刊上，并在ScienceDirect...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值