面向边界框回归的带平滑交并比
计算机视觉与模式识别
2023-03-29 v2
摘要
我们致力于构建用于边界框回归的损失函数。我们对交并比（IoU）度量进行改进，以加快收敛速度，使损失函数曲面在整个搜索空间上光滑且连续，并获得对标签更精确的近似。其主要原理是在原始 IoU 上添加一个平滑部分，该平滑部分由线性空间给出，其值从真实边界框向输入图像边界递增，从而覆盖整个空间搜索空间。我们展示了该损失函数背后的动机与形式化定义，并通过实验证明其在大幅领先 IoU、DIoU、CIoU 和 SIoU。我们通过实验表明，所提出的损失函数对真实边界框尺寸中的噪声具有鲁棒性。参考实现可在 gitlab.com/irafm-ai/smoothing-iou 获取。
引用
@article{arxiv.2303.15067,
title = {Intersection over Union with smoothing for bounding box regression},
author = {Petra Števuliáková and Petr Hurtik},
journal= {arXiv preprint arXiv:2303.15067},
year = {2023}
}
备注
8 pages, 4 figures, 4 tables, IWANN2023 conference