[关闭]
@w460461339 2020-09-25T14:59:04.000000Z 字数 568 阅读 886

【Round1】IOU,GIOU和loss

MachineLearning MachineLearning总结


参考:
https://zhuanlan.zhihu.com/p/94799295

1、问题

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。

image_1ei377olk1rd31tj2cf91cil1r209.png-125kB

这就很不好了。

2、方案1:IOU-loss

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。

3、方案2:GIOU-LOSS

image_1ei37f6pq9db8g019is1sqf16h4m.png-540.2kB

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:

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注