爱做菜的炼丹师

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:...

熵的本质是香农信息量log(1/p)的期望，现有关于样本集的2个概率分布p和q，其中p为真实分布，q非真实分布。按照真实分布p来衡量识别一个样本所需要的编码长度的期望为:如果使用错误分布q来表示来自真实分布p的平均编码长度为：因为用q来编码的样本来自分布p，所以期望H(p,q)中概率是p(i)，H(p,q)称为交叉熵。当p=q时，交叉熵取得最小值。因此可以利用交叉熵比较一个...