目标检测Unified-IoU，动态转移模型，提升高质量检测精度

文章预览

以下 文 章来源于微信公众号：AI公园 作者：roughuaiyang 链接：https://mp.weixin.qq.com/s/2Kdp0VWP-AKK70yq7TExFg 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 本文提出了一种新的IoU损失函数，称为Unified-IoU（UIoU），该函数更加关注不同质量预测框之间的权重分配。具体来说，通过一种新颖的方式动态转移模型对低质量预测框的关注到高质量预测框上，以增强模型在高精度或密集数据集上的检测性能，并实现训练速度上的平衡。 摘要 目标检测是计算机视觉领域的重要组成部分，而预测框的回归准确性直接决定了目标检测的效果。作为模型训练的关键，交并比（IoU, Intersection over Union）显著反映了当前预测框与真实框之间的差异。后续的研究者不断向IoU添加更多考量因素，例如中心距离、长宽比等。然而，仅仅细化几何差异存在上限；新考量指 ………………………………