低质量的 包围框 iou 值，让其更有用

最新推荐文章于 2025-09-12 16:11:29 发布
原创 最新推荐文章于 2025-09-12 16:11:29 发布 · 918 阅读 · 1 ·
CC 4.0 BY-SA版权
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。

本文探讨了在目标检测中，当IoU无法进一步提高时，如何通过增加特定损失函数来优化预测框形状，使其更接近真实框，从而提高整体检测效果。

下面 iou = 0.5 的两种情况，在 iou 无法提高的情况下，可以让预测框更符合某种形状，或某种状态，例如下面第二种状态，大部分时候比第一种要好
方法：增加一个loss，使预测框重叠真实框时有更大的损失

在这里插入图片描述

YOLOv8改进：IOU创新篇 | 引入MPDIou、WIoU、SIoU、EIoU、α-IoU，在不同场景实现涨点
会AI的学姐
11-05 1797
IOU创新篇 | 引入MPDIou、WIoU、SIoU、EIoU、α-IoU，在不同场景实现涨点
TPAMI 2024 | Box2Mask: 基于包围盒的实例分割算法
小白学视觉
08-19 885
与使用像素级掩码标签的全监督方法不同，基于包围盒注释的实例分割利用简单的框注释，最近吸引了越来越多的研究关注。本文提出了一种新颖的单次实例分割方法，即Box2Mask，它将经典水平集演化模型整合到深度神经网络学习中，仅使用包围盒监督就能实现精确的掩码预测。具体来说，输入图像及其深度特征被用来隐式地演化水平集曲线，并且使用基于像素亲和核的局部一致性模块来挖掘局部上下文和空间关系。
UNnet分割训练的iou很好，test的iou特别低，该怎么办？
chenyuan1111的博客
01-07 735
如果我们类别不均衡，恰好测试集里面有类别是训练集里面没有的就会出现问题。
YOLOV5改进（Soft-NMS（多种IOU））
eagleflying_cau的博客
06-10 1463
在这个后面可以加CIOU/DIOU/SIOU/GIOU/EIOU=True,不加的话就默认是IOU。（1）将以下代码复制到utils/general.py中。2.在训练时用general里面的这个。在验证时把上面的注释掉，用这个。
目标检测：IoU介绍及其改进
qq_50001789的博客
06-26 3398
在目标检测中常用到一个指标IoU，又称交并比，用于衡量一幅图像中两个边界框的重合度。在训练阶段，可以用于衡量锚框和物体边界框之间的相似度，来给每个锚点划分正负样本，即给锚点匹配标签，同时也可以用作损失函数，通过提高预测边界框与真实边界框之间的相似度来改善网络预测物体边界框的能力；在测试阶段，可以利用IoU来衡量预测边界框之间的重合度，用于过滤重合度高的边界框，即参与NMS运算。计算公式边界框A和边界框B之间的交集区域面积除以并集区域面积IoUA∩BA∪BIoUA∪BA∩B​。
35、数据标注与目标检测的质量控制及聚合策略
zz67890的博客
08-29 35
本文探讨了数据标注与目标检测中的质量控制及聚合策略。重点介绍了连续任务中数据标注的聚合方法、机器学习在标注质量控制中的应用，以及目标检测中边界框标注的挑战与解决方案，包括一致性评估、主观性处理和真实数据创建。此外，还总结了关键指标如IoU的计算方法，并通过案例分析展示了实际应用策略。文章旨在为数据处理和机器学习实践提供有效指导。
35、数据标注聚合与目标检测标注质量控制
最新发布
3a9bq4r8t2y的博客
09-12 39
本文详细探讨了数据标注中的聚合策略和目标检测中的标注质量控制方法。针对连续任务数据，分析了聚合策略的选择和机器学习的应用；在目标检测部分，介绍了目标标注与定位的质量控制、真实数据创建、评估指标（如交并比IoU）、标注者一致性分析、主观性处理以及聚合策略。同时总结了关键指标、操作流程和实际应用中的注意事项，旨在提高数据质量和模型性能。
论文阅读笔记（六）——用可旋转包围盒学习旋转不变检测器
weixin_52777338的博客
05-07 1245
论文阅读笔记（六）——用可旋转包围盒学习旋转不变检测器 论文简介 论文中文翻译：《用可旋转包围盒学习旋转不变检测器》 论文名称：《Learning a Rotation Invariant Detector with Rotatable Bounding Box》 ...
IoU计算方式演进全记录：GIoU、DIoU、CIoU在YOLOv8中的性能对比与选择指南
# IoU的演进之路：从基础定位到智能感知 在目标检测的世界里，我们每天都在和“框”打交道。但你有没有想过，这些看似简单的矩形边界框背后，其实藏着一场长达十年的技术暗战？ 就像武侠小说里的内功心法一样，**...
边框回归的损失函数_目标检测回归损失函数——IOU、GIOU、DIOU、CIOU
weixin_39569543的博客
12-22 2110
一、IOU Loss上一篇文章提到L1,L2及其变种只将Bounding box的四个角点分别求loss然后相加，没有引入box四个顶点之间的相关性并且模型在训练过程中更偏向于尺寸更大的物体。在此基础上旷视在2016文章《UnitBox: An Advanced Object Detection Network》中提出了IOU Loss将4个点构成的box看成一个整体做回归。文章链接：https:...
YOLO11优化：IoU系列篇 |Inner-IoU：基于辅助边框的IoU损失，结合CIoU、SIoU、EIoU、DIoU、GIoU等，2023年11月最新IoU改进
会AI的学姐
11-07 448
Inner-IoU,Inner-GIoU,Inner-DIoU,Inner-CIoU,Inner-EIoU,Inner-SIoU，其引入尺度因子ratio控制辅助边框的尺度大小用于计算损失。
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路水体(七)——不依赖增强样本提高训练iou和测试iou的尝试
Laney_Midory的博客
10-04 1111
发现使用增强样本对iou的提升并没有料想中的好。每隔5次输出权重，得到测试iou最高的一次权重。能否优化我们的训练和测试来尝试得到更好的结果呢。并且将训练和测试样本划分为7.5：2.5。确实样本因素是导致iou结果低的首要问题。这里经过老师的提醒经历了很多“事故”总结了出现的各种问题并进行解决。首先是没有完全纯净的测试样本。并且对iou较低的进行了筛选。并且对代码进行了修改和整合。这样看来结果稳定在70多%于是这里直接返璞归真。
IOU小结
飞羽QQ
07-03 1462
机器学习01 scikit-learn 安装scikit-learn 详情见scikit-learn官方文档（中文版）
MTCNN中的重叠度IOU和非极大值抑制NMS原理及Python实现
weixin_44928646的博客
02-27 1194
MTCNN中的重叠度IOU和非极大值抑制NMS原理及Python实现 一.重叠度iou 从在一张照片上框人脸时，因为图像金字塔的原因可能会把人脸框两次以上，每个框的坐标为[X1,Y1X2,Y2,C]，其中X1,Y1是框左上角的点，X2,Y2是框右下角的点，C是置信度：这个框正确框到人脸的程度。在MTCNN中，iou包含两种：最小框iou、并集iou。 原理 1.并集iou 如下图所示，并集iou为...
目标检测之 IoU
07-06 353
IoU 作为目标检测算法性能 mAP 计算的一个非常重要的函数。 但纵观 IoU 计算的介绍知识，都是直接给出代码，给出计算方法，没有人彻底地分析过其中的逻辑，故本人书写该篇博客来介绍下其中的逻辑。 1. IoU的简介及原理解析 IoU 的全称为交并比（Intersection over Union），通过这个名称我们大概可以猜到 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。 开始计算之前，我们首先进行分析下交集和并集到底应该怎么计算：我们首先
mAP@0.5与mAP@0.5:0.95的含义，YOLO
热门推荐
perfect_ch的博客
06-02 3万+
mAP@0.5：mean Average Precision（IoU=0.5） 即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP 如图所示，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。数值越高，即阈值越大，精度越低。 mAP@.5:.95（mAP@[.5:.95]） 表示在不同IoU阈值（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.
IoU系列损失详解
weixin_43482623的博客
08-10 1万+
IoU相关损失详解 IoU 计算公式及原理解析 ​ IoU的全称为交并比（Intersection over Union），即表示为“预测边框(bounding box )”和“真实边框(ground truth)“的交集和并集的比值。即IoU的计算公式为： IoU=(A∩B)A∪B IoU =\frac{(A \cap B)} {A \cup B} IoU=A∪B(A∩B)​ ​ 用图像可以更直观的表示，其表示如下： ​ 即IoU相当于两个区域交叉的部分除以两个区域的并集部分得出的结果。 ​
目标检测结果IOU不同取值的意义（0.5：0.95等)
Lawrence_Cj的博客
09-08 1万+
目标检测结果IOU不同取值的意义（0.5：0.95等）IOU=[0.5:0.95], IOU = 0.5, IOU=0.75等等 IOU=[0.5:0.95], IOU = 0.5, IOU=0.75等等 1.Unless otherwise specified, AP and AR are averaged over multiple Intersection over Union (IoU) values. Specifically we use 10 IoU thresholds of .50:.05
计算边界框和真实边界框的IOU值
07-06
计算预测边界框和真实边界框之间的交并比（IoU）值，主要涉及以下几个步骤： 1. **定义边界框**： 边界框通常由其左上角和右下角的坐标表示。例如，一个边界框可以表示为 `[x1, y1, x2, y2]`，其中 `(x1, y1)` 是...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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