MPDIoU：一种用于高效准确边界框回归的损失函数
计算机视觉与模式识别
2024-05-17 v1 人工智能
摘要
边界框回归（BBR）已广泛应用于目标检测和实例分割，是目标定位中的重要步骤。然而，大多数现有的边界框回归损失函数在预测框与真实框长宽比相同但宽高值完全不同时无法优化。为解决上述问题，我们充分探索水平矩形的几何特征，提出了一种基于最小点距离的新型边界框相似度比较度量 MPDIoU，其包含了现有损失函数中所考虑的所有相关因素，即重叠或非重叠区域、中心点距离以及宽高偏差，同时简化了计算过程。在此基础上，我们提出了一种基于 MPDIoU 的边界框回归损失函数，称为 LMPDIoU。实验结果表明，在 PASCAL VOC、MS COCO 和 IIIT5k 上训练的 SOTA 实例分割（如 YOLACT）和目标检测（如 YOLOv7）模型中应用 MPDIoU 损失函数优于现有损失函数。
引用
@article{arxiv.2307.07662,
title = {MPDIoU: A Loss for Efficient and Accurate Bounding Box Regression},
author = {Siliang Ma and Yong Xu},
journal= {arXiv preprint arXiv:2307.07662},
year = {2024}
}
备注
13 pages, 9 figures. arXiv admin note: text overlap with arXiv:1902.09630 by other authors