CDIoU-CDIoUloss:CDIoU和CDIoU丢失就像一个方便的插件,可以在多个模型中使用。 CDIoU和CDIoU损失在Faster R-CNN,YOLOv4,RetinaNet和。 与传统的评估反馈模块相比,MS COCO数据集的最大AP改进为1.9%,平均AP改进为0.8%。 这里我们仅以一个例子来说明代码-源码

上传者: 42136365 | 上传时间: 2021-07-03 10:54:20 | 文件大小: 4.96MB | 文件类型: ZIP
CDIoU-CDIoUloss CDIoU和CDIoU丢失就像一个方便的插件,可以在多个模型中使用。 CDIoU和CDIoU损失在Faster R-CNN,YOLOv4,RetinaNet和。 与传统的评估反馈模块相比,MS COCO数据集的最大AP改进为1.9%,平均AP改进为0.8%。 这里我们仅以一个示例来说明代码。 控制距离IoU和控制距离IoU损耗功能 ,苗多千 介绍 反馈机制的众多改进为对象检测的巨大进步做出了贡献。 在本文中,我们首先提出一个评估反馈模块,该模块由评估系统和反馈机制组成。 然后,我们分析并总结了传统评估反馈模块的缺点和改进。 最后,我们专注于评估系统和反馈机制,并提出了控制距离IoU和控制距离IoU损失函数(或简称为CDIoU和CDIoU损失),而没有增加模型中的参数或FLOP,这对几种经典模型显示了不同的显着增强。和新兴模型。 一些实验和比较测试表明,协调

文件下载

资源详情

[{"title":"( 307 个子文件 4.96MB ) CDIoU-CDIoUloss:CDIoU和CDIoU丢失就像一个方便的插件,可以在多个模型中使用。 CDIoU和CDIoU损失在Faster R-CNN,YOLOv4,RetinaNet和。 与传统的评估反馈模块相比,MS COCO数据集的最大AP改进为1.9%,平均AP改进为0.8%。 这里我们仅以一个例子来说明代码-源码","children":[{"title":"setup.py <span style='color:#111;'> 2.07KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 320B </span>","children":null,"spread":false},{"title":"INSTALL.md <span style='color:#111;'> 2.43KB </span>","children":null,"spread":false},{"title":"requirements.txt <span style='color:#111;'> 90B </span>","children":null,"spread":false},{"title":"CONTRIBUTING.md <span style='color:#111;'> 1.64KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明