【技术实现步骤摘要】
本专利技术属于人工智能中的目标检测领域，具体为一种高效率低耗时的目标检测损失函数算法。
技术介绍
1、目标检测一直是计算机视觉中最基本的问题之一，其中包括目标分类和目标定位两个子任务。目前最先进的目标检测器，例如：mask r-cnn(region-based convolutionalneural networks)、cascade r-cnn、dynamic r-cnn和detr（ detection transformers）,都依赖于bounding box regression(bbr)模块来定位目标，bbr是决定目标定位性能的关键步骤。目前bbr的损失函数主要分为两类：一类是n范数损失，一类是基于intersectionover union(iou)的损失。
2、然后迄今为止提出和使用的方法都没有考虑到真实框雨预测框之间不匹配的方向，而且由于为了提高回归任务的准确度损失函数正变得越来越臃肿，约束条件越来越多，这势必会导致目标检测模型在训练时更大的资源开销和更多的时间成本。
技术实现思路
【技术保护点】
1.一种高效率低耗时的目标检测损失函数算法，基于Intersection over Union(简称IoU)损失，其特征在于：融合几何学中相似全等理论，主要由三部分构成分别是，IoU损失函数，相似比损失函数，距离损失函数，算法公式如下：
2.根据权利要求1所述的一种高效率低耗时的目标检测损失函数算法，其特征在于：所述IoU损失函数的具体表达式如下：
3.根据权利要求1所述的一种高效率低耗时的目标检测损失函数算法，其特征在于：所述相似比损失函数的具体表达式如下:
4.根据权利要求1所述的一种高效率低耗时的目标检测损失函数算法，其特征在...
【技术特征摘要】
1.一种高效率低耗时的目标检测损失函数算法，基于intersection over union(简称iou)损失，其特征在于：融合几何学中相似全等理论，主要由三部分构成分别是，iou损失函数，相似比损失函数，距离损失函数，算法公式如下：
2.根据权利要求1所述的一种高效率低耗时的目标检测损失...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。