RT-DETR算法优化改进:新颖的Shape IoU结合 Inner-IoU,基于辅助边框的IoU损失的同时关注边界框本身的形状和尺度,小目标实现高效涨点

2024-01-08 07:10:20

 ??????本文改进:一种新的Shape IoU方法结合 Inner-IoU,基于辅助边框的IoU损失的同时,更加关注边界框本身的形状和尺度来计算损失

??????对小目标检测涨点明显,在VisDrone2019、PASCAL VOC均有涨点

RT-DETR魔术师专栏介绍:

https://blog.csdn.net/m0_63774211/category_12497375.html

???魔改创新RT-DETR

??????引入前沿顶会创新(CVPR2023,ICCV2023等),助力RT-DETR

??????基于ultralytics优化,与YOLO完美结合

??????重点:通过本专栏的阅读,后续你也可以自己魔改网络,在网络不同位置(Backbone、head、detect、loss等)进行魔改,实现创新!!!


1.Shape-IoU介绍

文章来源:https://blog.csdn.net/m0_63774211/article/details/135407169
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。