YOLOv7系列：改进版Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GI

KtMacos

于 2023-09-19 15:03:08 发布

阅读量280

点赞数

CC 4.0 BY-SA版权

文章标签： YOLO 目标跟踪人工智能计算机视觉

本文链接：https://blog.youkuaiyun.com/KtMacos/article/details/133029947

计算机视觉专栏收录该内容

60 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了YOLOv7系列的改进算法，如Soft-NMS、Soft-CIoUNMS等，它们针对传统非极大值抑制的不足，通过引入新的IoU计算方式，提高了目标检测的准确性和鲁棒性。这些改进算法考虑了目标框的位置、大小、形状和边缘信息，为计算机视觉提供了更精确的目标检测解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

YOLOv7系列：改进版Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GIoUNMS在计算机视觉中的应用

目前，计算机视觉领域的目标检测任务中，YOLOv7系列已经成为了一个非常受欢迎的模型架构。为了进一步提高目标检测的准确性和鲁棒性，研究人员对YOLOv7进行了改进，引入了一系列新的算法，包括Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS和Soft-GIoUNMS。

Soft-NMS（Soft Non-Maximum Suppression）是对传统的非极大值抑制算法的改进。传统的非极大值抑制方法通常会消除掉与最大置信度目标框有重叠的较低置信度目标框，但这样可能会导致一些真实目标被错误地抑制。Soft-NMS引入了一个衰减函数，根据目标框之间的置信度分数和重叠程度来调整目标框的得分，从而保留了一定程度的重叠目标框。

Soft-CIoUNMS（Soft Class-Independent IoU NMS）是一种改进的类别无关的IoU（Intersection over Union）非极大值抑制算法。传统的IoU非极大值抑制方法在计算重叠度时只考虑了目标框的位置信息，而忽略了目标框的大小和形状等因素。Soft-CIoUNMS通过引入一个类别无关的IoU函数，综合考虑了位置、大小和形状等因素，从而更准确地进行目标框的抑制

了解本专栏