| IOU | GIOU | DIOU | CIOU | EIOU | |
|---|---|---|---|---|---|
| 优点 | IOU算法是目标检测中最常用的指标，具有尺度不变性，满足非负性；同一性；对称性；三角不等性等特点。 | GIOU在基于IOU特性的基础上引入最小外接框解决检测框和真实框没有重叠时loss等于0问题。 | DIOU在基于IOU特性的基础上考虑到GIOU的缺点，直接回归两个框中心点的欧式距离，加速收敛。 | CIOU就是在DIOU的基础上增加了检测框尺度的loss，增加了长和宽的loss，这样预测框就会更加的符合真实框。 | EIOU在CIOU的基础上分别计算宽高的差异值取代了纵横比，同时引入Focal Loss解决难易样本不平衡的问题。 |
| 缺点 | 1.如果两个框不相交，不能反映两个框距离远近2.无法精确的反映两个框的重合度大小 | 1.当检测框和真实框出现包含现象的时候GIOU退化成IOU 2.两个框相交时，在水平和垂直方向上收敛慢 | 回归过程中未考虑Bounding box的纵横比，精确度上尚有进一步提升的空间 | 1. 纵横比描述的是相对值，存在一定的模糊 2.未考虑难易样本的平衡问题 | 待定 |
爬虫
功能测试
bootstrap
nosql
二叉树
Arduino基础与进阶
办公软件
广域网
PID算法
龙蜥
日志收集
科研绘图
异步
shell入门
storageEvent
i18next
回退回滚版本
电子邮件营销
Async注解失效
virtualization
IOU_GIOU_DIOU_CIOU_EIOU优缺点总结
相关文章
发展零碳数据中心，超聚变推动液冷规模商用
算力的发展犹如一体两面。
一方面，在数字经济、产业数字化和数字化转型中，算力发挥着关键的引擎作用；另一方面，持续增长的多元异构算力需求、不断提升的算力密度以及逐渐成体系的算力网络，也带来了不可低估的长期能耗…
pytorch中数据增强transforms.py详解
在实际应用过程中，我们会在数据进入模型之前进行一些预处理，例如数据中心化(仅 减均值)，数据标准化(减均值，再除以标准差)，随机裁剪，旋转一定角度，镜像等一系列 操作。PyTorch 有一系列数据增强…
Pytorch常用权重初始化方法
PyTorch 在 torch.nn.init 中提供了常用的初始化方法函数，在这里简单介绍，同时也方便自己以后查询使 用。
初始化方法分为两个部分：
1.Xavier，kaiming 系列；
2.其他方法分布
Xavier 初始化方法，论文在《…
神经网络上插入注意力机制模块为什么精度不升反降？
1. 模型是否欠拟合或者过拟合？
我们都知道如果一个模型的参数量过大而且数据集量很少的时候，这样的模型很容易学的过拟合！！！所以在添加注意力module的时候一定要注意模型是否过拟合！因为大部分注意力modul…
YOLSO: You Only Look Small Object
按照李沐老师阅读论文的方法！！！
（1）读abstract和introduction（2）读conclusion（3）看论文中model架构和实验结果图（4）再读剩下的 重点：…
vit源码中to_patch_embedding理解
self.to_patch_embedding nn.Sequential(Rearrange(b c (h p1) (w p2) -> b (h w) (p1 p2 c), p1 patch_height, p2 patch_width),nn.Linear(patch_dim, dim),)Rearrange是einops中的一个方法
einops：灵活和强大的张量操作，可读性强和可靠性好的代…
【leetcode】167.两数之和
给定一个已按照 非递减顺序排列 的整数数组 numbers ，请你从数组中找出两个数满足相加之和等于目标数 target 。
函数应该以长度为 2 的整数数组的形式返回这两个数的下标值。numbers 的下标 从 1 开始计数 ，所以答案数组应当满足 1 < answer[0] <…
【Demo】python脚本定时提醒喝水脚本
#from win10toast import ToastNotifier
from win10toast_persist import ToastNotifier
from apscheduler.schedulers.blocking import BlockingScheduler
import time
import win32api,win32con
代码实现每天9点开始定时，下午6点结束定时；
每天9&#…