现在来更加了解准确度这件事吧!
在前面有讲过 IoU ,它是用来跟标准框比较的准则,当它的值(0~1)大於设定的临界值,侦测到目标物件的机率就较高;相反的,如果 IoU 低於临界值,那笔资料就有可能被舍弃。
接着再认识 GIoU、DIoU 和 CIoU!
考虑到检测框和 ground truth 没有出现重叠的时候,IoU 的 loss 都是一样的,因此 GIoU 就加入了 C检测框,这样就可以解决检测框和真实框没有重叠的问题。但是当检测框和 ground truth 之间出现包含
的现象的时候 GIoU 就和 IoU loss 是同样的效果了!
C 检测框是包含了检测框和 ground truth 的最小矩形框
DIoU 考虑到 GIoU 的缺点,也是增加了 C 检测框,将 groud truth 和预测框都包含进来,但是 DIoU 计算的不是框之间的交集,而是计算的每个检测框之间的"欧氏距离",这样就可以解决 GIoU 出现的问题。
欧式距离:是最易於理解的一种距离计算方法,源自 n 维空间中两点间的距离公式。
DIoU 利用计算两个中心点的距离达到加速收敛的效果,但尚未解决能够更好重叠的这个问题。
在论文中,预测 bbox 的三个重要因素为:重叠面积、中心点距离、长宽比。
IoU 考虑了重叠区域,GIoU 解决了非重叠时的收敛问题,DIoU 则是考虑了重叠区域和中心点距离,所以 CIoU 就基於 DIoU 多考量一个长宽比
。
CIoU 的 loss 函数定义如下,跟 DIoU 相比多增加一个 αv,α 是用来平衡比例的权重参数,而 v 是用来度量长宽比的相似度。
这就是 IoU 一路进化到 CIoU 的过程!
大家好! 昨天的储存容量和储存装置,有没有更容易理解原始型别和物件型别的差异呢? 我们进入今天的主题...
嘿,今天又是实作环节!比起单纯的范例,这个环节是希望把我们聊的模组/功能实际应用,让大家看看应用在实...
参考文件 https://kubernetes.io/docs/tasks/network/cust...
1.前言 今天依旧接续之前没讲完程序码,这次主要是讲loop里面的程序码,那此次主要介绍较为主要的部...
这是一个在 Vue 3 被拿掉的功能,但还是来了解一下。 filter 用途及用法 filter 是...