文章目录
- YOLOv8-CIOU手把手教程
- 修改ultralytics\utils\metrics.py
- 修改ultralytics\utils\loss.py
- 修改ultralytics\utils\tal.py
- Focal CIoU损失函数：原理、设计与应用的深度解析
- 1. 引言
- 2. IoU损失函数家族的演进
- 2.1 传统回归损失的局限性
- 2.2 IoU损失的提出
- 2.3 GIoU：解决不重叠问题
- 2.4 DIoU：考虑中心点距离
- 2.5 CIoU：完整的几何信息
- 3. Focal机制的理论基础
- 3.1 样本不平衡问题的普遍性
- 3.2 Focal Loss的成功经验
- 3.3 从分类到回归的迁移
- 4. Focal CIoU的设计原理
- 4.1 基本思想
- 4.2 数学表达式
- 4.3 参数γ的作用分析
- 4.4 梯度分析
- 5. Focal CIoU的实现变体
- 5.1 自适应权重版本
- 5.2 多尺度权重版本
- 5.3 类别敏感版本
- 6. 训练策略与优化技巧
- 6.1 参数调优策略
- 6.2 与其他损失的结合
- 6.3 训练稳定性考虑
- 7. 实验分析与性能评估
- 7.1 数据集和评估指标
- 7.2 性能提升分析
- 7.3 收敛速度分析
- 8. 结论
YOLOv8-CIOU手把手教程
修改ultralytics\utils\metrics.py
修改bbox_iou函数为：
class WIoU_Scale:''' monotonous:{None:origin v1 True:monotonic FM v2 False:non-monotonic FM v3}momentum:The momentum of running mean'
