【RT-DETR有效改进】SIoU、GIoU、CIoU、DIoU、WIoU等多种损失函数

👑欢迎大家订阅本专栏，一起学习RT-DETR👑 

一、本文介绍

这篇文章介绍给大家介绍的是多种IoU的改进机制，如SIoU、WIoU、GIoU、DIoU、EIOU、CIoU，每种都针对特定的检测场景。文章会详细探讨这些损失函数如何提高RT-DETR在各种检测任务中的性能，包括提升精度、加快收敛速度和增强模型对复杂场景的适应性。其中我经过实验在绝大多数下的效果都要比本文中提到的各种损失效果要好，下面为使用损失数利用我1:1移植过来的模型收敛效果图。 

专栏地址：RT-DETR专栏——持续复现各种顶会内容——论文收割机

目录

一、本文介绍

二、各种损失函数的基本原理 

2.1 交集面积和并集面积

2.2 IoU

2.3 SIoU

2.4 WioU

2.5 GIoU

2.6 DIoU

2.7 EIoU

2.8 CIoU

三、EIoU、SIoU、EIoU、WIoU等损失函数代码块

四、添加EIoU、SIoU、EIoU、WIoUI等损失函数到模型中

4.1 修改一

4.2 修改二

4.3 成功运行记录

五、总结

---

二、各种损失函数的基本原理 

2.1 交集面积和并集面积

在理解各种损失函数之前我们需要先来理解一下交集面积和并集面积，在数学中我们都学习过集合的概念，这里的交集和并集的概念和数学集合中的含义是一样的。

​

2.2 IoU

论文地址：IoU Loss for 2D/3D Object Detectio

适用场景：普通的IoU并没有特定的适用场景