【DIoU】《Distance-IoU Loss：Faster and Better Learning for Bounding Box Regression》

原创 已于 2022-02-25 11:43:58 修改 · 2.5k 阅读 · 0 ·
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。
文章标签：

#深度学习 #计算机视觉 #DIoU #CIoU

于 2022-02-24 20:42:11 首次发布
该博客探讨了IoU损失在非重叠情况下的局限性，以及GIoU损失的缓慢收敛问题。作者提出了Distance-IoU（D-IoU）和Complete IoU（CIoU）损失，它们在收敛速度和准确性上有所改进。D-IoU直接最小化两个框之间的距离，而CIoU则引入了长宽比的监督。实验表明，DIoU-NMS在非极大值抑制中考虑了中心点距离，提高了对遮挡情况的鲁棒性。同时，针对不同目标检测算法，如YOLOv3、SSD和Faster R-CNN，DIoU和CIoU展示出不同的性能表现。

在这里插入图片描述

AAAI-2020

文章目录

1 Background and Motivation

在这里插入图片描述

IoU-loss not provide any moving gradient for non-overlapping cases.

在这里插入图片描述

GIoU-Loss 相较于 IoU-Loss 有提升，但仍 suffer from the problems of slow convergence and inaccurate regression

在这里插入图片描述
仔细分析下，不相交时 L G I o U = 2 − I o U + U C = 2 + U C L_{GIoU} = 2 - IoU + \frac{U}{C} = 2 + \frac{U}{C} LGIoU​=2−IoU+CU​=2+CU​

降低

最低0.47元/天 解锁文章
Distance-IoU Loss_ Faster and Better Learning for Bounding Box Regression
qq_41327720的博客
03-28 582
对IoU，GIoU，DIoU和CIoU进行一个简要的梳理介绍
Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression阅读笔记
风行
12-29 990
（一）Title 前言： （二）Summary 背景概述 目标检测中的bounding box回归任务往往采取的方式借助损失去回归bounding boxes的参数(位置/长/宽),但是它并不适用于评估度量(Intersection over Union,IoU)。 同时作者指出当前研究者提出的IoU度量(IoU Loss 以及 Generalized IoU Loss)上存在的一些问题： 收敛慢slow convergence 回归不准确，inaccurate regression 主要内容 作者在
Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
xujiao1179的博客
12-10 731
摘要 边框回归是目标检测的关键步骤。在现有的方法中，虽然在边框回归中广泛采用了n范数损失，但并不是针对评价指标IoU进行定制的。近年来，人们提出了IoU损失和G-IoU损失两种可以有利于提升IoU指标的方法，但仍存在收敛速度慢、回归不准确等问题。在这篇论文中，通过合并预测框和目标框之间的归一化距离，我们提出了一种Distance -IoU损失，它在训练过程中比IoU和GIoU损失收敛得更快。此外...
距离IoU损失：包围盒回归更快更好的学习(Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression)
TJMtaotao的博客，高校计算机教师
11-28 6920
Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression Zhaohui Zheng1, Ping Wang1, Wei Liu2, Jinze Li3, Rongguang Y e1, Dongwei Ren*2 1School of Mathematics, Tianjin University, Ch...
【目标检测】AAAI20 - 提升边界框回归《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》
要相信光
03-02 5497
AAAI2020，DIoU, CIoU, GIoU, IoU 提升目标检测性能必备 《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》
《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》DIOU论文
qq_38109282的博客
07-02 868
前言 《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》发表于2020年AAAI，来自天津大学和中国人名公安大学 资源 论文下载：Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression 论文题目及作者 介绍 第一行为GIOU loss，第二行是DIOU loss。 绿边框表示Ground Truth，黑边框表示An
【目标检测】28、Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
呆呆的猫的博客
08-10 1411
虽然 GIoU 可以通过移除未相交的框来缓解提的消失的情况，但如图 1 所示，GIoU loss 首先会提升预测框的大小，使得其和 gt 框有相交，然后公式 3 就能够用来最小化相交面积。所以 GIoU loss 会产生一些不准确的检测。作者为了更加全面的分析距离、尺度、纵横比在 bbox 之间的关系，选取了 7 种不同纵横比的 unit box（即面积为 1），纵横比分别为（1:4, 1:3, 1:2, 1:1, 2:1, 3:1, 4:1），这 7 个 box 的中心点都在（10,10）。.......
目标检测算法之AAAI 2020 《Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression》已开源
I good vegetable a!
12-16 1904
前言 前面介绍了CVPR 2019的GIoU Loss，推文地址如下：点这里，同时GIoU Loss里面也引入了IoU Loss，这个首先需要明确一下。然后AAAI 2020来了一个新的Loss，即是本文要介绍的DIoU Loss。论文原文地址见附录。 背景 我们先来回归一下IoU Loss和GIoU Loss。IoU Loss可以表示为：LIoU=1−∣B⋂Bgt∣∣B⋃Bgt∣L_{IoU}=...
Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression 论文笔记
Tianchao龙虾
05-19 538
Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression 论文笔记 论文链接： https://arxiv.org/abs/1911.08287 一、 Problem Statement Bounding Box的回归分支在目标检测中很重要。目前，lnl_nln​-norm loss 对获得最优的IoU metric不是很合适，IoU Loss 只有在bounding boxes 有重叠的时候起作用，而且不会提供任何移
《Distance-IoU Loss：Faster and Better Learning for Bounding Box Regression》论文笔记
m_buddy的博客
01-19 2133
代码地址：DIoU 1. 概述 导读：这篇文章主要的贡献在边界框损失函数的优化上面，传统上使用LnL_nLn​范数的损失，如smooth-L1或是其对应的改进balanced-L1，但是这些损失函数并不直接与检测框的质量相关。将检测框的质量作为回归的度量就引入IoU损失函数，为了弥补IoU损失函数在不相交的时候不可导的问题引入GIoU，但是GIoU也是存在收敛速度慢且回归不准确（GIoU在两个框...
【论文阅读】Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression
qq_38333323的博客
11-22 4841
主要内容 文章提出两个Loss ：Distance-IoU(DIoU) Loss和Complete IoU(CIoU) Loss用于目标检测的Bbox回归，并与IoU Loss和GIoU Loss做了对比，比这两个收敛得更快、更准。此外，DIoU很容易用在NMS中。 Loss 先简单回顾一下IoU Loss和GIoU Loss，再说明文章提出的DIoU Loss和CIoU Loss IoU 先说说...
论文Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression详解（包含代码详解）
最新发布
Keep_Trying_Go的博客
11-08 1264
目标检测领域除了正确预测物体之外，其中对物体的正确定位也是非常重要的，在已经存在的目标检测方法中，对于坐标框的回归一般都是。损失收敛更快，并且本文还总结了影响坐标框回归的三个因素，①重叠面积②中心点距离③。的范围更大，但是在水平和垂直方向有更大的误差，主要原因在于。尽管当迭代的步数足够长并且设置适当的学习率时，仅仅当预测框和真实框之间有重叠的时候才生效，作为预测框和真实框之间距离的评估，相比于。（也就是两个框重叠的情况），这个时候的。之间距离，尺度和比率等相关性，选择。，就必然存在重叠，非重叠的情况；
Distance-IoU Loss
weixin_37958272的博客
08-07 949
Distance-IoU Loss 边界盒回归是物体检测的关键步骤。在现有的方法中，虽然广泛采用lnl_nln​-norm loss来进行边界盒回归。最近，有人提出了IoU损失和generalized IoU(GIoU)损失，以利于IoU度量，但仍存在收敛速度慢和回归不准确的问题。在本文中，我们通过加入预测框和目标框之间的归一化距离，提出了一种Distance-IoU（DIoU）损失，在训练中收敛速度比IoU和GIoU损失快得多。此外，本文还总结了边界框回归中的三个几何因素，即重叠面积、中心点距离和长宽比，
DIoU Loss论文阅读
陈建驱的博客
08-19 2758
论文：Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression. Zhao hui Zheng1,Ping Wang1 , Wei Liu2 , Jinze Li3 , Rongguang Ye1 , Dongwei Ren*2 摘要 边界框回归是目标检测中的关键步骤。当前方法采用ln-norm loss作为边界框回归的损失，但是它不是为评估指标（IoU）量身定做的。最近适合IoU评估指标的IoU los.
DIoU论文笔记
weixin_39558227的博客
12-22 2461
论文链接 文章目录重要观点关于IOU和GIoU一些方法将来可能用到DIoU和CIouDiouCIouBP细节使用Diou来作为NMS的方法 重要观点 1.GIoU和IoU损失收敛速度慢 回归不精确 2.本文提出一种Diou加入了预测box和targetbox之间的归一化距离并且总结了box回归中的三种几何参数：重叠面积，中心点距离和纵横比。同时Diou也能用于NMS中去。 3.GIoU的缺点，虽...
UnitBox论文笔记（IOUloss）
weixin_39558227的博客
12-08 1336
文章目录Motivation关于其他论文的一些观点IoU损失l2损失的缺点iou损失forward过程反传推导UNITBOX NETWORK UnitBox: An Advanced Object Detection Network 代码在mmdetection中有实现 Motivation 现有的deep CNN方法假设对象界限为四个自变量，分别通过l2损失进行回归。这种过于简化的假设与广为接...
IoU Loss综述（IOU,GIOU,CIOU,EIOU,SIOU,WIOU）
热门推荐
athrunsunny的博客
02-03 2万+
边界框回归（BBR）的损失函数对于目标检测至关重要。它的良好定义将为模型带来显著的性能改进。大多数现有的工作假设训练数据中的样本是高质量的，并侧重于增强BBR损失的拟合能力。
锚框损失论文下载 Iou-Loss【IoU Loss、GIoU Loss、 DIoU Loss 、CIoU Loss、 CDIoU Loss、 F-EIoU Loss、α-IoU Loss】
ChristinaXinny的博客
05-24 1592
锚框损失 Iou-Loss 【IoU Loss、GIoU Loss、 DIoU Loss 、CIoU Loss、 CDIoU Loss、 F-EIoU Loss、α-IoU Loss】 论文打包下载 yolo系列论文https://download.youkuaiyun.com/download/CeciliaXinn/85450684 IOU Loss系列论文https://download.youkuaiyun.com/download/CeciliaXinn/85450680 一、IoU Los UnitBox: An Ad
（六）论文阅读 | 目标检测之DIoU
Skies_的博客
03-08 959
AAAI2020 | 目标检测之DIoU
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