目标检测算法之CVPR2019 GIoU Loss

首先说一下GIOU的计算方式:

然后计算C \ (A ∪ B) 的面积与C的面积的比值,注:C \ (A ∪ B) 的面积为C的面积减去A∪B的面积。再用A、B的IoU值减去这个比值得到GIoU。

前面介绍了很多Anchor-Based的目标检测算法,它们的Loss普遍使用bbox和ground truth bbox的L1范数,L2范数来计算位置回归Loss。但在评测的时候却使用IOU(交并比)去判断是否检测到目标。显然这两者并不是完全等价的,论文中举了Figure 1作为例子:

图中第一行,所有目标的L1 Loss都一样,但是第三个的IOU显然是要大于第一个,并且第3个的检测结果似乎也是好于第一个的。第二行类似,所有目标的L1 Loss也都一样,但IOU却存在差异。因此使用bbox和ground truth bbox的L1范数,L2范数来计算位置回归Loss以及在评测的时候却使用IOU(交并比)去判断是否检测到目标是有一个界限的,这两者并不等价。因此,一种直观的想法就是直接将IOU作为Loss来优化任务,但这存在两个问题:
1、预测框bbox和ground truth bbox如果没有重叠,IOU就始终为0并且无法优化。也就是说损失函数失去了可导的性质。
2、IOU无法分辨不同方式的对齐,例如方向不一致等,如下图所示,可以看到三种方式拥有相同的IOU值,但空间却完全不同。

GIoU相比于IoU有如下性质:

针对二维图像的目标检测,具体如何计算GIoU Loss呢?假设现在预测的bbox和ground truth bbox的坐标分别表示为:
其中,x2p>x1px_{2}^{p}>x_{1}^{p}x2p​>x1p​,y2p>y1py_{2}^{p}>y_{1}^{p}y2p​>y1p​。然后计算Loss的具体过程可以表示为:

目标检测算法之CVPR2019 GIoU Loss相关推荐

  1. 目标检测算法常用Loss——DIoU GIoU CIoU

    目标检测算法常用Loss 文章目录 目标检测算法常用Loss 1. 差值平方损失 2. IoU Loss 3. GIoU Loss 4. DIoU Loss 5. CIoU Loss 6. 说明和补充 ...

  2. 【目标检测】IoU、GIoU、DIoU、CIoU Loss详解及代码实现

    实际目标检测回归任务中的Loss ● Smooth L1 Loss: ● L1.L2.Smooth L1作为目标检测回归Loss的缺点: 1)坐标分别计算:x.y.w.h分别回归,当成4个不同的对象处 ...

  3. 目标检测算法横向比较,包括backbone、特征融合、loss、proposal/anchor/heatmap、NMS、正负样本设置等

    目标检测算法发展移步:目标检测算法 本文从算法改进的方向,进行横向比较,包括backbone,特征融合.loss.proposal/anchor/heatmap.NMS.正负样本设置等 Referen ...

  4. 目标检测算法之AAAI2019 Oral论文GHM Loss

    前言 这篇论文仍然是瞄准了One-Stage目标检测算法中的正负样本不均衡问题,上周我们介绍He Kaiming等人提出的Focal Loss,推文地址如下:https://mp.weixin.qq. ...

  5. 目标检测算法YOLOv4详解

    YOLOv4是精度速度最优平衡, 各种调优手段是真香,本文主要从以下几个方面进行阐述: YOLOv4介绍 YOLOv4框架原理 BackBone训练策略 BackBone推理策略 检测头训练策略 检测 ...

  6. 干货|基于深度学习的目标检测算法面试必备(RCNN~YOLOv5)

    点上方计算机视觉联盟获取更多干货 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:作者丨不出名的小金@知乎(已授权) 来源丨https://zhuanlan.zhihu.com/p/35406 ...

  7. 万字长文详解目标检测算法,超大超全(2022最新)

    摘要 1 概述 2 目标检测回顾 2.1 two-stage 2.2 one-stage 3 目标检测配方 3.1 基础概念 3.1.1 损失函数 3.1.2 Anchor-based 和 Keypo ...

  8. Yolo系列目标检测算法知识点总结

    下面是YoloV4论文中给出的目标检测算法的整体架构: 主要包含以下几个部分: 输入层用来处理输入数据,如数据增强 Backbone主干网络用来提取特征 Neck层用来做多尺度特征融合,提升特征的表达 ...

  9. 3D单目(mono 3D)目标检测算法综述

    layout: post title: 3D单目(mono 3D)目标检测算法综述 date: 2021-01-22 22:08:39.000000000 +09:00 categories: [算法 ...

最新文章

  1. Android 自定义View (入门 篇) 的使用
  2. 两表(多表)关联update的写法 .
  3. 二十六、redis哨兵模式
  4. 弹性地基梁板法计算原理_建筑混凝土结构设计和计算方法,老师傅总结:其原理就是这么简单...
  5. icf表格_ICF企业教练实践大奖案例——建立改变和拯救生命的教练文化
  6. Python中判断字符是否为字母、数字、字母和数字组合,验证回文串(LeetCode125)
  7. js 封装经纬度成json_R实现地理位置与经纬度相互转换
  8. git推送本地分支到远程分支
  9. 如何进行cad地理配准_【教程】自带高度建筑轮廓如何制作分色图
  10. SPFieldLookupValue
  11. Delphi中destroy, free, freeAndNil, release用法和区别
  12. apache 禁用rc4_如何在Apache中禁用过时的TLS和SSL版本
  13. Labview 中AniGIF控件及注册方法
  14. LeetCode 69. x的平方根
  15. unity编辑器扩展篇-中文字段显示
  16. Anton and currency you all know
  17. python科赫曲线画树叶_Python——科赫曲线绘制
  18. Swift游戏实战-跑酷熊猫 07 平台的移动
  19. 利用动态二进制加密实现新型一句话木马之Java篇(转) 冰蝎
  20. 推特登录出错后没有拿到错误返回

热门文章

  1. -为了数学的明天,,穿越时空,重返南大(I)
  2. 关于word中分栏分节论文排版问题
  3. 数值问题简述:数值溢出、病态条件
  4. 安卓手机的root问题
  5. 一篇文章搞懂数据埋点与数据同步
  6. Springboot模板引擎
  7. 十年风雨,一个普通程序员的成长之路(九)一眼望到头,一眼望不到头
  8. 56个民族 下来框(常用的排序)
  9. 胶原蛋白真的有效果吗
  10. 思一独角兽解读 | 听说有人看上了微信的社交地位,想挑战?来,我们在马桶上加一下好友