@w460461339
2020-09-25T14:59:04.000000Z
字数 568
阅读 886
MachineLearning
MachineLearning总结
参考:
https://zhuanlan.zhihu.com/p/94799295
边框回归在本质上用的还是L1或者L2loss,其中,:
我们的目标是最小化这两个loss,使得预测框和GT框尽可能重合。是否重合的标准为IOU。
但是,我们发现当不同的预测框和GT框,IOU不同的时候,他们的LOSS也有可能相同。
这就很不好了。
设A为预测框,B为GT框
很自然的想到,让IOU直接加入loss,于是有:
但是,预测框和GT框没有交集,即IOU=0的时候,上述loss无法产生梯度进行回传,这会让模型无法更新,从而陷入假死状态。
因此,为了解决上述问题,引入了GIOU的概念。
引入一个凸多边型C,为包含预测框A和GT框B的最小凸多边形。
那么有: