【YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改进NO.60】损失函数改进为wiou
前言
作为当前先进的深度学习目标检测算法YOLOv8,已经集合了大量的trick,但是还是有提高和改进的空间,针对具体应用场景下的检测难点,可以不同的改进方法。此后的系列文章,将重点对YOLOv8的如何改进进行详细的介绍,目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv8,YOLOv7、YOLOv5算法2020年至今已经涌现出大量改进论文,这个不论对于搞科研的同学或者已经工作的朋友来说,研究的价值和新颖度都不太够了,为与时俱进,以后改进算法以YOLOv7为基础,此前YOLOv5改进方法在YOLOv7同样适用,所以继续YOLOv5系列改进的序号。另外改进方法在YOLOv5等其他算法同样可以适用进行改进。希望能够对大家有帮助。
一、解决问题
尝试将原YOLOv7/v5中的损失函数改为wiou,提升精度和效果。此前修改更先进的eiou,siou,a-iou边框位置回归函数,精度有所提升,新出的wiou可进行尝试改进。
二、基本原理

三、添加方法
待更新,关注私信获取。
四、总结
预告一下:下一篇内容将继续分享深度学习算法相关改进方法。有兴趣的朋友可以关注一下我,有问题可以留言或者私聊我哦
PS:该方法不仅仅是适用改进YOLOv5,也可以改进其他的YOLO网络以及目标检测网络,比如YOLOv7、v6、v4、v3,Faster rcnn ,ssd等。
最后,有需要的请关注私信我吧。关注免费领取深度学习算法学习资料!
YOLO系列算法改进方法 | 目录一览表
[💡🎈☁️1. 添加SE注意力机制](https://blog.csdn.net/m0_70388905/article/details/125379649)
[💡🎈☁️2.添加CBAM注意力机制](https://blog.csdn.net/m0_70388905/article/details/125892144)
[💡🎈☁️3. 添加CoordAtt注意力机制](https://blog.csdn.net/m0_70388905/article/details/125379685)
[💡🎈☁️4. 添加ECA通道注意力机制](https://blog.csdn.net/m0_70388905/article/details/125390766)
[💡🎈☁️5. 改进特征融合网络PANET为BIFPN](https://blog.csdn.net/m0_70388905/article/details/125391096)
[💡🎈☁️6. 增加小目标检测层](https://blog.csdn.net/m0_70388905/article/details/125392908)
[💡🎈☁️7. 损失函数改进](https://blog.csdn.net/m0_70388905/article/details/125419887)
[💡🎈☁️8. 非极大值抑制NMS算法改进Soft-nms](https://blog.csdn.net/m0_70388905/article/details/125448230)
[💡🎈☁️9. 锚框K-Means算法改进K-Means++](https://blog.csdn.net/m0_70388905/article/details/125530323)
[💡🎈☁️10. 损失函数改进为SIOU](https://blog.csdn.net/m0_70388905/article/details/125569509)
[💡🎈☁️11. 主干网络C3替换为轻量化网络MobileNetV3](https://blog.csdn.net/m0_70388905/article/details/125593267)
[💡🎈☁️12. 主干网络C3替换为轻量化网络ShuffleNetV2](https://blog.csdn.net/m0_70388905/article/details/125612052)
[💡🎈☁️13. 主干网络C3替换为轻量化网络EfficientNetv2](https://blog.csdn.net/m0_70388905/article/details/125612096)
[💡🎈☁️14. 主干网络C3替换为轻量化网络Ghostnet](https://blog.csdn.net/m0_70388905/article/details/125612392)
[💡🎈☁️15. 网络轻量化方法深度可分离卷积](https://blog.csdn.net/m0_70388905/article/details/125612300)
[💡🎈☁️16. 主干网络C3替换为轻量化网络PP-LCNet](https://blog.csdn.net/m0_70388905/article/details/125651427)
[💡🎈☁️17. CNN+Transformer——融合Bottleneck Transformers](https://blog.csdn.net/m0_70388905/article/details/125691455)
[💡🎈☁️18. 损失函数改进为Alpha-IoU损失函数](https://blog.csdn.net/m0_70388905/article/details/125704413)
[💡🎈☁️19. 非极大值抑制NMS算法改进DIoU NMS](https://blog.csdn.net/m0_70388905/article/details/125754133)
[💡🎈☁️20. Involution新神经网络算子引入网络](https://blog.csdn.net/m0_70388905/article/details/125816412)
[💡🎈☁️21. CNN+Transformer——主干网络替换为又快又强的轻量化主干EfficientFormer](https://blog.csdn.net/m0_70388905/article/details/125840816)
[💡🎈☁️22. 涨点神器——引入递归门控卷积(gnConv)](https://blog.csdn.net/m0_70388905/article/details/126142505)
[💡🎈☁️23. 引入SimAM无参数注意力](https://blog.csdn.net/m0_70388905/article/details/126456722)
[💡🎈☁️24. 引入量子启发的新型视觉主干模型WaveMLP(可尝试发SCI)](https://blog.csdn.net/m0_70388905/article/details/126550613)
[💡🎈☁️25. 引入Swin Transformer](https://blog.csdn.net/m0_70388905/article/details/126674046)
[💡🎈☁️26. 改进特征融合网络PANet为ASFF自适应特征融合网络](https://blog.csdn.net/m0_70388905/article/details/126926244)
[💡🎈☁️27. 解决小目标问题——校正卷积取代特征提取网络中的常规卷积](https://blog.csdn.net/m0_70388905/article/details/126979207)
[💡🎈☁️28. ICLR 2022涨点神器——即插即用的动态卷积ODConv](https://blog.csdn.net/m0_70388905/article/details/127031843)
[💡🎈☁️29. 引入Swin Transformer v2.0版本](https://blog.csdn.net/m0_70388905/article/details/127214397)
[💡🎈☁️30. 引入10月4号发表最新的Transformer视觉模型MOAT结构](https://blog.csdn.net/m0_70388905/article/details/127273808)
[💡🎈☁️31. CrissCrossAttention注意力机制](https://blog.csdn.net/m0_70388905/article/details/127312771)
[💡🎈☁️32. 引入SKAttention注意力机制](https://blog.csdn.net/m0_70388905/article/details/127330663)
[💡🎈☁️33. 引入GAMAttention注意力机制](https://blog.csdn.net/m0_70388905/article/details/127330819)
[💡🎈☁️34. 更换激活函数为FReLU](https://blog.csdn.net/m0_70388905/article/details/127381053)
[💡🎈☁️35. 引入S2-MLPv2注意力机制](https://blog.csdn.net/m0_70388905/article/details/127434190)
[💡🎈☁️36. 融入NAM注意力机制](https://blog.csdn.net/m0_70388905/article/details/127398898)
[💡🎈☁️37. 结合CVPR2022新作ConvNeXt网络](https://blog.csdn.net/m0_70388905/article/details/127533379)
[💡🎈☁️38. 引入RepVGG模型结构](https://blog.csdn.net/m0_70388905/article/details/127532645)
[💡🎈☁️39. 引入改进遮挡检测的Tri-Layer插件 | BMVC 2022](https://blog.csdn.net/m0_70388905/article/details/127471913)
[💡🎈☁️40. 轻量化mobileone主干网络引入](https://blog.csdn.net/m0_70388905/article/details/127558329)
[💡🎈☁️41. 引入SPD-Conv处理低分辨率图像和小对象问题](https://zhuanlan.zhihu.com/p/579212232)
[💡🎈☁️42. 引入V7中的ELAN网络](https://zhuanlan.zhihu.com/p/579533276)
[💡🎈☁️43. 结合最新Non-local Networks and Attention结构](https://zhuanlan.zhihu.com/p/579903718)
[💡🎈☁️44. 融入适配GPU的轻量级 G-GhostNet](https://blog.csdn.net/m0_70388905/article/details/127932181)
[💡🎈☁️45. 首发最新特征融合技术RepGFPN(DAMO-YOLO)](https://blog.csdn.net/m0_70388905/article/details/128157269)
[💡🎈☁️46. 改进激活函数为ACON](https://blog.csdn.net/m0_70388905/article/details/128159516)
[💡🎈☁️47. 改进激活函数为GELU](https://blog.csdn.net/m0_70388905/article/details/128170907)
[💡🎈☁️48. 构建新的轻量网络—Slim-neck by GSConv(2022CVPR)](https://blog.csdn.net/m0_70388905/article/details/128198484)
[💡🎈☁️49. 模型剪枝、蒸馏、压缩](https://blog.csdn.net/m0_70388905/article/details/128222629)
[💡🎈☁️50. 超越ConvNeXt!Conv2Former:用于视觉识别的Transformer风格的ConvNet](https://blog.csdn.net/m0_70388905/article/details/128266070?csdn_share_tail=%7B%22type%22:%22blog%22,%22rType%22:%22article%22,%22rId%22:%22128266070%22,%22source%22:%22m0_70388905%22%7D)
[💡🎈☁️51.融入多分支空洞卷积结构RFB-Bottleneck改进PANet构成新特征融合网络](https://blog.csdn.net/m0_70388905/article/details/128553832)
[💡🎈☁️52.将YOLOv8中的C2f模块融入YOLOv5](https://blog.csdn.net/m0_70388905/article/details/128661165)
[💡🎈☁️53.融入CFPNet网络中的ECVBlock模块,提升小目标检测能力](https://blog.csdn.net/m0_70388905/article/details/128720459)
相关文章:

【YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改进NO.60】损失函数改进为wiou
前言作为当前先进的深度学习目标检测算法YOLOv8,已经集合了大量的trick,但是还是有提高和改进的空间,针对具体应用场景下的检测难点,可以不同的改进方法。此后的系列文章,将重点对YOLOv8的如何改进进行详细的介绍&…...
2023年中职网络安全竞赛——数字取证调查(新版)attack解析(详细)
数字取证调查 任务环境说明: 服务器场景:FTPServer20221010(关闭链接)服务器场景操作系统:未知FTP用户名:attack817密码:attack817分析attack.pcapng数据包文件,通过分析数据包attack.pcapng找出恶意用户第一次访问HTTP服务的数据包是第几号,将该号数作为Flag值提交;…...
Cadence Allegro 导出Net Single Pin and No Pin报告详解
⏪《上一篇》 🏡《上级目录》 ⏩《下一篇》 目录 1,概述2,Net Single Pin and No Pin作用3,Net Single Pin and No Pin示例4,Net Single Pin and No Pin导出方法4.1,方法14.2,方法2B站关注“硬小二”浏览更多演示视频...
蓝桥冲刺31天之317
在这个时代,我们总是在比较,觉得自己不够好 其实不必羡慕别人的闪光点 每个人都是属于自己的限量版 做你喜欢并且擅长的事,做到极致 自然会找到自己独一无二的价值 鸟不跟鱼比游泳,鱼不跟鸟比飞翔 你我各有所长 A:组队…...

站上风口,文心一言任重道远
目录正式发布时机选择逻辑推理AI绘画用户选择总结自从OpenAI公司的chatGPT发布以来,吸引了全球目光,同时也引起了我们的羡慕,希望有国产的聊天机器人,盼星星盼月亮,终于等来了百度文心一言的发布。 正式发布 3月16日…...

Qt音视频开发24-视频显示QOpenGLWidget方式(占用GPU)
一、前言 采用painter的方式绘制解码后的图片,方式简单易懂,巨大缺点就是占CPU,一个两个通道还好,基本上CPU很低,但是到了16个64个通道的时候,会发现CPU也是很吃紧(当然强劲的电脑配置另当别论…...
百度发布文心一言,我想说几句
大家好,我是记得诚。 今天下午百度公司正式发布了文心一言,算是国内第一个交卷的互联网公司。 在ChatGPT和GPT-4的双重夹击下,可想而知百度的压力。 ChatGPT发布的时候,热度非常的高,大家对其都非常的感兴趣。 我是…...

简单了解JSP
JSP概念与原理概念: Java Server Pages,Java服务端页面一种动态的网页技术,其中既可以定义 HTML、JS、CSS等静态内容,还可以定义Java代码的动态内容JSP HTML Java, 用于简化开发JSP的本质上就是一个ServletJSP 在被访问时,由JSP容…...

Qt(c++)调用海康威视监控摄像头
文章目录一.海康威视监控摄像头开发SDK介绍二.海康SDK模块说明三.Qt项目中海康威视SDK配置四.实时预览摄像头图像程序一.海康威视监控摄像头开发SDK介绍 设备网络SDK是基于设备私有网络通信协议开发的,为嵌入式网络硬盘录像机、NVR、网络摄像机、网络球机、视频服务…...
深度学习部署笔记(十五): CUDA_Run_Time_API_parallel_多流并行,以及多流之间互相同步等待的操作方式
// CUDA运行时头文件 #include <cuda_runtime.h>#include <chrono> #include <stdio.h> #include <string.h>using namespace std;#define checkRuntime(op) __check_cuda_runtime((op), #op, __FILE__, __LINE__)bool __check_cuda_runtime(cudaErro…...

【Spring】spring框架简介
一、框架 1.框架的基本特点: 框架(Framework),是基于基础技术之上,从众多业务中抽取出的通用解决方案;框架是一个半成品,使用框架规定的语法开发可以提高开发效率,可以用简单的代码就能完成复杂的基础业务;框架内部使用大量的设…...
WuThreat身份安全云-TVD每日漏洞情报-2023-03-17
漏洞名称:TP-LINK Archer AX21 命令注入漏洞 漏洞级别:严重 漏洞编号:CVE-2023-1389,CNNVD-202303-1280 相关涉及:TP-LINK Archer AX21 1.1.4 Build 20230219之前的固件版本 漏洞状态:POC 参考链接:https://tvd.wuthreat.com/#/listDetail?TVD_IDTVD-2023-06347 漏洞名称:D-L…...

postman 调用webservice
有个外部接口需要提供古老的webservice 格式接口。1 设置格式按照xml 格式设置。2 消息体xml 封装不加envelope:<soap:Envelope xmlns:soap"" target"_blank">http://schemas.xmlsoap.org/soap/envelope/"><soap:Body><soap:Fault&…...

基于华为模拟器(ensp)的静态路由配置实验
一 实验需求静态路由实验,建立拓扑pc1>>R1>>R2>>R3>>pc2,使pc1与pc2能相互通信。二 实验拓扑三 ip地址规划设备接口ip地址AR1G0/0/0192.168.10.254/24G0/0/112.1.1.1/24AR2G0/0/012.1.1.2/24G0/0/123.1.1.2/24 AR3G0/0/023.1.1.…...

模拟实现字符串函数(长度受限制的详讲)
上次发布了长度不受限制的字符串函数的模拟实现方法,这次就给大家说说长度受限制的字符串函数。首先,长度受限制和不受限制有什么区别呢?其实从某种意义上来讲,长度受限制的字符串函数比长度不受限制的字符串安全,为什…...

分布式ID生成方案总结
什么是分布式 ID 分布式 ID 是指,在分布式环境下可用于对数据进行标识且易存储的全局唯一的 ID 标识。 为什么需要分布式 ID 对于单体系统来说,主键ID可能会常用主键自动的方式进行设置,这种ID生成方法在单体项目是可行的。 对于分布式系统…...
极智AI | 百度推出文心一言,对标ChatGPT功力几成
欢迎关注我,获取我的更多经验分享,极智传送《极智AI | 百度推出文心一言,对标 ChatGPT 功力几成》 大家好,我是极智视界,本文介绍一下 百度今日推出文心一言,对标ChatGPT功力几成。 邀您加入我的知识星球「极智视界」,星球内有超多好玩的项目实战源码下载,链接:https…...

CleanMyMac X最新版本4.12.6
系统要求macOS 10.12及更高,M1机型及最新macOS 13 CleanMyMac可以为Mac腾出空间,软件已经更新到CleanMyMac X支持最新版Mac系统。CleanMyMac具有一系列巧妙的新功能,可让您安全,智能地扫描和清理整个系统,删除大量未使…...

替代notepad++,notepad--介绍及插件cmake编译
Notepad 是一个文本编辑器小软件,用来替代windows自带的记事本。然而Notepad软件的作者是台湾省人,其具有明显的gd/jd/td倾向,如果你不赞同他的观点,Notepad将会在你的源码里面插入随机字符。推荐一款国产的开源跨平台软件NDD(not…...
机器学习笔记之集成学习(四)Gradient Boosting
机器学习笔记之集成学习——Gradient Boosting引言回顾:Boosting\text{Boosting}Boosting算法思想与AdaBoost\text{AdaBoost}AdaBoostGradient Boosting\text{Gradient Boosting}Gradient Boosting算法介绍场景构建算法过程迭代过程与梯度下降法之间的关联关系引言 …...

UE5 学习系列(二)用户操作界面及介绍
这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…...
conda相比python好处
Conda 作为 Python 的环境和包管理工具,相比原生 Python 生态(如 pip 虚拟环境)有许多独特优势,尤其在多项目管理、依赖处理和跨平台兼容性等方面表现更优。以下是 Conda 的核心好处: 一、一站式环境管理:…...

微信小程序之bind和catch
这两个呢,都是绑定事件用的,具体使用有些小区别。 官方文档: 事件冒泡处理不同 bind:绑定的事件会向上冒泡,即触发当前组件的事件后,还会继续触发父组件的相同事件。例如,有一个子视图绑定了b…...

页面渲染流程与性能优化
页面渲染流程与性能优化详解(完整版) 一、现代浏览器渲染流程(详细说明) 1. 构建DOM树 浏览器接收到HTML文档后,会逐步解析并构建DOM(Document Object Model)树。具体过程如下: (…...
大学生职业发展与就业创业指导教学评价
这里是引用 作为软工2203/2204班的学生,我们非常感谢您在《大学生职业发展与就业创业指导》课程中的悉心教导。这门课程对我们即将面临实习和就业的工科学生来说至关重要,而您认真负责的教学态度,让课程的每一部分都充满了实用价值。 尤其让我…...

Android 之 kotlin 语言学习笔记三(Kotlin-Java 互操作)
参考官方文档:https://developer.android.google.cn/kotlin/interop?hlzh-cn 一、Java(供 Kotlin 使用) 1、不得使用硬关键字 不要使用 Kotlin 的任何硬关键字作为方法的名称 或字段。允许使用 Kotlin 的软关键字、修饰符关键字和特殊标识…...

Unsafe Fileupload篇补充-木马的详细教程与木马分享(中国蚁剑方式)
在之前的皮卡丘靶场第九期Unsafe Fileupload篇中我们学习了木马的原理并且学了一个简单的木马文件 本期内容是为了更好的为大家解释木马(服务器方面的)的原理,连接,以及各种木马及连接工具的分享 文件木马:https://w…...

GruntJS-前端自动化任务运行器从入门到实战
Grunt 完全指南:从入门到实战 一、Grunt 是什么? Grunt是一个基于 Node.js 的前端自动化任务运行器,主要用于自动化执行项目开发中重复性高的任务,例如文件压缩、代码编译、语法检查、单元测试、文件合并等。通过配置简洁的任务…...

系统掌握PyTorch:图解张量、Autograd、DataLoader、nn.Module与实战模型
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在聚客AI学院。 本文通过代码驱动的方式,系统讲解PyTorch核心概念和实战技巧,涵盖张量操作、自动微分、数据加载、模型构建和训练全流程&#…...

Kubernetes 节点自动伸缩(Cluster Autoscaler)原理与实践
在 Kubernetes 集群中,如何在保障应用高可用的同时有效地管理资源,一直是运维人员和开发者关注的重点。随着微服务架构的普及,集群内各个服务的负载波动日趋明显,传统的手动扩缩容方式已无法满足实时性和弹性需求。 Cluster Auto…...