DIoU-NMS倾向于中心点距离较远的box存在不同的对象，而且仅需改几行代码，DIoU-NMS就能够很简单地集成到目标检测算法中。 ? 实验结果 ?...mAP分别提升0.59%和0.84%，而AP75则分别提升1.77%和2.59%，而使用DIoU-NMS则能进一步提升效果。 Faster R-CNN on MS COCO ? ?...Discussion on DIoU-NMS ? DIoU-NMS能够更好地引导bbox的消除 ?...最后作者进行了比较实验，原NMS和DIoU-NMS分别移植到了yolov3和ssd模型，同时使用CIou loss。在阈值的范围内比较了原始NMS和DIoU-NMS ? [0.43,0.48]。...从图9中可以看出，对于每个阈值，DIoU-NMS都优于原始NMS。此外，值得注意的是，即使是最糟糕的DIoU-NMS也是要优于最优的原始NMS。 ?
DIoU-NMS倾向于中心点距离较远的box存在不同的对象，而且仅需改几行代码，DIoU-NMS就能够很简单地集成到目标检测算法中。...mAP分别提升0.59%和0.84%，而AP75则分别提升1.77%和2.59%，而使用DIoU-NMS则能进一步提升效果。...Discussion on DIoU-NMS DIoU-NMS能够更好地引导bbox的消除 最后作者进行了比较实验，原NMS和DIoU-NMS分别移植到了yolov3和ssd模型，同时使用CIou loss...在阈值的范围内比较了原始NMS和DIoU-NMS [0.43,0.48]。从图9中可以看出，对于每个阈值，DIoU-NMS都优于原始NMS。...此外，值得注意的是，即使是最糟糕的DIoU-NMS也是要优于最优的原始NMS。
Weighted NMS (ICME Workshop 2017) 方差加权平均：Softer-NMS (CVPR 2019) 自适应阈值：Adaptive NMS (CVPR 2019) +中心点距离：DIoU-NMS...研究者进一步比较了Traditional NMS和DIoU-NMS的性能，在YOLOv3和SSD上，选取NMS阈值为[0.43,0.48]。...可以看到DIoU-NMS在每个阈值上都优于Traditional NMS，此外还值得一提的是，即便是性能最差的DIoU-NMS也比性能最好的Traditional NMS相当或更优，说明即便不仔细调整NMS...阈值，DIoU-NMS也通常能够表现更好。...Traditional NMS会不会有反超DIoU-NMS的情况？当然我个人比较认同DIoU-NMS更优的范围会大一些，也就是NMS阈值不必精调也可放心使用DIoU-NMS。
论文提出了IoU-based的DIoU loss和CIoU loss，以及建议使用DIoU-NMS替换经典的NMS方法，充分地利用IoU的特性进行优化。...DIoU-NMS倾向于中心点距离较远的box存在不同的对象，而且仅需改几行代码，DIoU-NMS就能够很简单地集成到目标检测算法中 Experimental Results *** YOLO v3 on...[1240] 如图8所示，DIoU-NMS能够更好地引导bbox的消除 [1240] 为了进一步验证DIoU-NMS的效果，进行了对比实验。...如图9所示，DIoU-NMS的整体性能都比原生的NMS效果要好 Conclusion *** 论文提出了两种新的IoU-based损失函数，DIoU loss和CIoU loss：DIoU loss...另外论文提出DIoU-NMS来代替原生的NMS，充分地利用IoU的特性进行优化，从实验结果来看，效果也是很好的 写作不易，未经允许不得转载～ 更多内容请关注知乎专栏/微信公众号【晓飞的算法工程笔记】
论文提出了IoU-based的DIoU loss和CIoU loss，以及建议使用DIoU-NMS替换经典的NMS方法，充分地利用IoU的特性进行优化。...DIoU-NMS倾向于中心点距离较远的box存在不同的对象，而且仅需改几行代码，DIoU-NMS就能够很简单地集成到目标检测算法中 Experimental Results ---- YOLO v3 on...图7对GIoU和CIoU的结果进行了可视化，可以看到，在中大型物体检测上，CIoU的结果比GIoU要准确 Discussion on DIoU-NMS ? ...如图8所示，DIoU-NMS能够更好地引导bbox的消除 ? 为了进一步验证DIoU-NMS的效果，进行了对比实验。...另外论文提出DIoU-NMS来代替原生的NMS，充分地利用IoU的特性进行优化，从实验结果来看，效果也是很好的。 ----
DIoU-NMS倾向于中心点距离较远的box存在不同的对象，而且仅需改几行代码，DIoU-NMS就能够很简单地集成到目标检测算法中。...mAP分别提升0.59%和0.84%，而AP75则分别提升1.77%和2.59%，而使用DIoU-NMS则能进一步提升效果。...4、Discussion on DIoU-NMS 图 7 如图7所示，DIoU-NMS能够更好地引导bbox的消除。 图 8 为了进一步验证DIoU-NMS的效果，进行了对比实验。...如图8所示，DIoU-NMS的整体性能都比原生的NMS效果要好。...另外论文提出DIoU-NMS来代替原生的NMS，充分地利用IoU的特性进行优化，从实验结果来看，效果也是很好的。
Attention DANet Attention 持续更新中 支持更多损失函数 CIoU、DIoU、GIoU、EIoU、SIoU、alpha IOU 等损失函数 支持更多 NMS NMS、Merge-NMS、DIoU-NMS...、Soft-NMS、CIoU-NMS、DIoU-NMS、GIoU-NMS、EIoU-NMS、SIoU-NMS、Soft-SIoUNMS、Soft-CIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS
DANet Attention 持续更新中 支持更多损失函数 内置CIoU、DIoU、GIoU、EIoU、SIoU、alpha IOU 等损失函数，持续更新 支持更多 NMS 内置NMS、Merge-NMS、DIoU-NMS...、Soft-NMS、CIoU-NMS、DIoU-NMS、GIoU-NMS、EIoU-NMS、SIoU-NMS、Soft-SIoUNMS、Soft-CIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS
将中心点分布信息添加到BBox筛选过程中 YOLOv4 - use: 1、Mish activation 2、CSP 3、MiWRC（简单的理解就是残差连接） 4、SPP-block. 5、SAM 6、PAN 7、DIoU-NMS...DIoU-NMS 不仅考虑了检测区域的重叠，而且还考虑了检测区域间的中心点距离。 ? 6、 CmBN ? ?
ground-truth使用多个anchor，Cosine annealing scheduler，最佳超参数，Random training shapes 用于检测器的Bos：Mish激活函数，SPP，SAM，PAN，DIoU-NMS
scheduler), 使用遗传算法最优化超参数, 随机输入大小 目标检测端的BoS(Bag of Specials)：Mish激活, SPP-block, SAM-block, PAN通道融合, DIoU-NMS
annealing scheduler), 使用遗传算法最优化超参数, 随机输入大小 检测端的BoS(Bag of Specials)：Mish激活, SPP-block, SAM-block, PAN通道融合, DIoU-NMS
sensitivity）、针对一个真值使用多个锚、余弦退火调度器、优化超参数和随机训练形状； 用于检测器的 Bag of Specials（BoS）：Mish 激活、SPP 块、SAM 块、PAN 路径聚合块和 DIoU-NMS
6.检测头推理策略 在检测头推理中除了用了上面讲的Mish, SPP, PAN技术外，还用了SAM和DIoU-NMS,如下： 6.1 SAM模块 注意力机制在DL设计中被广泛采用。...6.2 DIoU-NMS NMS过滤掉预测相同对象的其他边界框，并保留具有最高可信度的边界框。 ? DIoU(前面讨论过的) 被用作非最大值抑制(NMS)的一个因素。
用于检测器的 Bag of Specials（BoS） 用于 YOLOv4 检测器的 BoS 特征包括： Mish 激活 修改版 SPP 模块 修改版 SAM 模块 修改版 PAN 路径聚合模块 DIoU-NMS...DIoU-NMS 非极大值抑制（NMS）会过滤掉其它预测同一目标的边界框并保留置信度最高的边界框。
特性包括: Mish activation, modified SPP-block, modified SAM-block, modified PAN path-aggregation block & DIoU-NMS...DIoU-NMS NMS过滤掉预测相同对象的其他边界框，并保留具有最高可信度的边界框。
领取专属 10元无门槛券
手把手带您无忧上云
