YOLOv9改进策略【损失函数篇】| 2024 引进Focaler-IoU损失函数 加强边界框回归
一、本文介绍
本文记录的是改进YOLOv9的损失函数，将其替换成Focaler-IoU。现有研究通过利用边界框之间的几何关系来提高回归性能，但忽略了困难样本和简单样本分布对边界框回归的影响。不同检测任务中困难样本和简单样本的分布不同，对于简单样本占主导的检测任务，关注简单样本的边界框回归有助于提高检测性能；对于困难样本比例较高的检测任务，需要关注困难样本的边界框回归。Focaler-IoU能够通过关注不同的回归样本，提高检测器在不同检测任务中的性能。
实现的Focaler-IoU包括：Focaler-DIoU、Focaler-GIoU、Focaler-CIoU、Focaler-MDPIoU。
专栏目录：YOLOv9改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进方向
文章目录
原文地址：https://blog.csdn.net/qq_42591591/article/details/142330433
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！