【目标检测】CVPR2019 GIoU

最新推荐文章于 2023-04-04 12:04:25 发布
原创 最新推荐文章于 2023-04-04 12:04:25 发布 · 360 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。
文章标签：

#GIOU #目标检测 #CVPR2019

本文探讨了目标检测领域中IoU的局限性，包括L1/L2Loss对IoU回归的不准确度量及对旋转的不敏感等问题。提出了一种新的指标——广义IoU（GIoU），并详细介绍了其计算方式和优势，如保留IoU特性，改善旋转不敏感问题。同时，展示了GIoU在YOLOv3、Faster-RCNN和MaskRCNN等模型上的应用效果。

文章目录


论文链接： Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression

背景&问题：

IoU是目标检测领域用来衡量目标是否精确定位的指标。我们用L1、L2 loss回归得到bbox，计算IoU。但是目前的方案存在如下问题：

  1. L1 L2 Loss不能准确度量IoU是否回归正确：不同IOU对应相同的L1/L2 Loss 在这里插入图片描述

  2. IoU对旋转不敏感（垂直图像投影平面的旋转）

  3. IoU对det和gt检测框不重合的情况无法优化

解决方案：使用广义的IoU，即GIoU：

A 、 B 是 我 们 的 d e t 和 g t 的 b b o x ， C 是 他 们 的 矩 形 闭 包 A、B是我们的det和gt的bbox，C是他们的矩形闭包 A、B是我们的det和gt的bbox，C是他们的矩形闭包

G I o U = I o U − ∣ C ( A ∪ B ) ∣ ∣ C ∣ GIoU = IoU - \frac{|C\\(A \cup B)|}{|C|} GIoU=IoU−∣C∣∣C(A∪B)∣​

L G I o U = 1 − G I o U L_{GIoU} = 1 - GIoU LGIoU​=1−GIoU

GIoU优势

  • 保留IoU的特性
  • 对解决垂直图像投影平面的旋转不敏感问题
    在这里插入图片描述

效果

  • YOLOv3在这里插入图片描述

  • Faster-RCNN
    在这里插入图片描述

  • MaskRCNN
    在这里插入图片描述

展望

还有一些问题

  • 其他方向处理不了，比如警察绕原地转圈
目标检测论文：FCOS: Fully Convolutional One-Stage Object Detection及其PyTorch实现
mingo_敏
09-16 1万+
一阶段，没有anchor，没有proposal，内存占用少的目标检测算法。 1 概述 本文创新点： 使用语义分割的思想来解决目标检测问题； 摒弃了目标检测中常见的anchor boxes和object proposal，使得不需要调优涉及anchor boxes和object proposal的超参数（hyper-parameters）； 训练过程中避免大量计算GT boxes和ancho...
目标检测系列：GIOU-Generalized Intersection over Union
qq_39382877的博客
08-05 583
Index 动机 方法 GIOU定义 GIOU算法 结果 论文：https://arxiv.org/abs/1902.09630 代码：https://github.com/generalized-iou 下班前看了下这篇论文，感觉并不难理解，有时间去试一下。 动机 这篇文章主要从损失函数出发，来改进目标检测的算法。 目前目标检测中主流的边界框优化采用的都是BBox的回归损失(MSE...
GIoU
qq_35608277的博客
05-31 963
ref https://blog.youkuaiyun.com/qq_39027890/article/details/88049545#对象检测精度测量
【目标检测】IoU、GIoU、DIoU、CIoU、EIoU 5大评价指标
热门推荐
xian0710830114的专栏
12-08 4万+
在目标检测任务中，常用到一个指标IoU，即交并比，IoU可以很好的描述一个目标检测模型的好坏。在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。同时IoU有着比较严重的缺陷，于是出现了GIoU、DIoU、CIoU、EIoU，下面我们一起看一下这几种IoU。
目标检测 IoU、GIoU、DIoU、CIoU、EIoU
scott198512的博客
04-04 1万+
目标检测常用边界框IOU对比
【深度学习】【CVPR 2019】GIoU
Hana
02-26 261
【CVPR 2019】Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression相关工作 出发点：IoU指标在评估阶段经常使用，但是训练的时候经常是直接计算坐标的L1、L2范数，引用文章中所说"The optimal objective for a metric is the metric...
CVPR 2019 论文大盘点—目标检测篇
OpenCV中文网
10-21 1678
感谢52CV群友“一块钱”盘点了CVPR 2019 所有有关目标检测的文章，并简单做了分类。总计 56 篇，绝大多数含开源代码，很多已经被大家所熟悉，比如KL-Loss、ScratchD...
目标检测: 一文读懂 FCOS (CVPR 2019)
weixin_46142822的博客
04-04 1万+
论文：FCOS: Fully Convolutional One-Stage Object Detection 代码：https://github.com/tianzhi0549/FCOS 1 前言 现在主流的目标检测网络如 RetinaNet, SSD, YOLOv3 和 Faster R-CNN 都是基于anchor-based，存在如下缺点： (1) 检测性能对 anchor boxes的数量和宽高比(aspect ratio)敏感； (2) 由于anchor boxes 的宽高比是固定的，难以处理尺
CVPR2019-目标检测分割技术进展
跟随技术的脚步-linolzhang的专栏
05-11 3252
CVPR 2019 没有出现像Faster RCNN，YOLO这种开创性的工作，基于现有方案和框架的改进为主，技术进步着实有些缓慢，或许也代表方案逐步趋于成熟。 本文重点介绍如下几个改进方法：GA-RPN GIOU FSAF Mask Score RCNN 1. GA-RPN GA-RPN由港中文、商汤和亚马逊联合提出，COCO Challeng...
[目标检测]-图解bbox_loss的发展-MSE -＞ IOU -＞ GIOU(cvpr2019) -＞DIOU/CIOU(aaai2020)
ai_faker的博客
11-09 3544
1.MSE方式 最早的bbox_loss采用的是MSE方法 LMSE=(x1−x2)2+(y1−y2)2+(w1−w2)2+(h1−h2)2 \mathcal{L}_{\text {MSE}} = (x1-x2)^2 + (y1-y2)^2 + (w1-w2)^2 +(h1-h2)^2 LMSE​=(x1−x2)2+(y1−y2)2+(w1−w2)2+(h1−h2)2 这种方式计算损失值是检测框的“代理属性”—— 距离，而忽略了检测框本身最显著的性质——IoU。 计算两者的重叠占比，才是我们更加想要去优化
目标检测中的预测框回归优化之IOU、GIOU、DIOU、CIOU和EIOU
哆啦A梦爱学习的博客
03-16 1万+
点击上方“码农的后花园”，选择“星标”公众号精选文章，第一时间送达目标检测分为：目标分类+目标定位两个任务。目标分类就是要对该目标进行分类以确定该目标属于什么类别以及其属于该类别的置信度......
IoU，GIoU，DIoU和CIoU三种目标检测loss
donkey_1993的博客
01-16 2万+
IoU：使用最广泛的检测框loss。 GIoU：2019年CVPR Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression DIoU和CIoU：2020年AAAIDistance-IoU Loss: Faster and Better Learning for Bound...
[机器学习][转载]目标检测之 IoU具体含义和实现方法
FL1623863129的博客
05-16 724
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：我们首先需要计算
目标检测中的各种IoU Loss（IoU、GIoU、DIoU、CIoU）
weixin_42384432的博客
08-01 1万+
IoU Loss 对于检测框B和groundtruth G，二者的IoU如下： 那么IoU Loss即为-log(1-IoU)。 显然IoU Loss具有非负性、尺度不变性、同一性、对称性、三角不等性等特点，所以可以用于bounding box的回归任务中。 但同时，IoU Loss也存在一个很致命的缺点： 当B与G的IoU为0时，Loss也为0，网络无法进行训练。因此IoU loss在回归任务中的表现并不好。 GIoU Loss 论文：https://arxiv.org/abs/1902.09630
DAC2019目标检测系统设计挑战赛资讯集锦
edward_zcl的博客
09-15 727
DAC2019的特别节目，目标检测挑战赛，在FPGA，GPU等平台上进行高速，高精度，低精度的DNN设计，可以说是吸引了不少媒体关注，里面的东西多少还是有一些借鉴意义的。 AI研习社：http://www.mooc.ai/open/course/674 (其顶会赞助项目里面还有各种可学习的论文笔记，大会视频等资料) 赛灵思：http://xilinx.eetrend.com/content/201...
目标检测中的IOU和CIOU原理讲解以及应用（附测试代码））
哆啦A梦爱学习的博客
08-15 9095
上期讲解了目标检测中的三种数据增强的方法，这期我们讲讲目标检测中用来评估对象检测算法的IOU和CIOU的原理应用以及代码实现。交并比IOU交并比IOU(Interp ov...
2019年11月最新8篇目标检测论文
Tiger数学之家的博客
12-03 1039
本文分享的目标检测论文将同步推送到 github上，欢迎大家 star/fork，链接地址：https://github.com/murufeng/awesome-papers/tree/master/Object-detection 注意事项： 本文分享的目标检测论文既含刷新COCO mAP记录的目标检测论文，也有追求 mAP 和 FPS trade-off的论文 论文发布时间段：2019...
目标检测损失函数（二）DIOU、CIOU、ALPHA IOU
wuhao1205的博客
05-10 5742
在前文中讨论了IOU与GIOU。 http://t.csdn.cn/sqcPdhttp://t.csdn.cn/sqcPd
FSAF目标检测2019
jacke121的专栏
06-19 3993
有权重： https://github.com/hdjang/Feature-Selective-Anchor-Free-Module-for-Single-Shot-Object-Detection Problem 基于深度学习的目标检测网络FPN使用了多个feature map来检测目标。深层特征语义信息丰富，适合大目标的检测。浅层特征的细节信息保存较好，适合检测小目标。FPN根据gro...
基于YOLO与DETR的ICLR/CVPR目标检测改进项目
这意味着使用者需要具备一定的PyTorch编程基础、Linux环境操作经验以及对目标检测整体流程的理解，包括数据预处理、骨干网络选择、FPN/PAN结构搭建、正负样本分配策略、损失函数计算（如GIoU、Focal Loss）、推理后...
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