基于分类和回归子网的包围盒预测（siamGAT和siamCAR的头部）

原创

于 2021-10-14 11:41:19 发布 · 967 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #神经网络

本文档详细介绍了SiamGAT和SiamCAR预测模块的损失函数实现，该函数通过计算交并比（IoU）来衡量预测框与目标框的匹配程度。代码中展示了如何计算两框的交集面积、并集面积以及损失，用于训练模型进行精确的目标定位。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

siamGAT和siamCAR都使用相同的预测模块，具体参考siamCAR论文原文：https://arxiv.org/abs/1911.07241

3.2. Bounding Box Prediction with Classification
and Regression Subnetwork

在代码中实现为

    def forward(self, pred, target, weight=None):
        pred_left = pred[:, 0]
        pred_top = pred[:, 1]
        pred_right = pred[:, 2]
        pred_bottom = pred[:, 3]

        target_left = target[:, 0]
        target_top = target[:, 1]
        target_right = target[:, 2]