如果兩個框沒有相交，根據定義，iou=0，不能反映兩者的距離大小（重合度）。同時因為loss=0，沒有梯度回傳，無法進行學習訓練。
iou無法精確的反映兩者的重合度大小。如下圖所示，三種情況iou都相等，但看得出來他們的重合度是不一樣的，左邊的圖回歸的效果最好，右邊的最差。
c指的是，能夠將**框和gt框最小包圍的box
更傾向於這種同一水平和同一垂直的
在diou loss的基礎上新增了寬高比的loss
損失函式Loss相關總結（精細版）
目錄 loss損失函式的作用 損失函式loss和準確率accuracy的比較 回歸任務中的loss主要包括 tensorflow和keras 體現 mae和l1的區別在於乙個求了均值np.mean 乙個沒有求np.sum 2者的曲線走勢也是完全一致的。mae損失對於局外點更魯棒，但它的導數不連續使得...
訓練集 測試集loss容易出現的問題總結
1 train loss 不斷下降，test loss不斷下降 說明網路仍在學習 train loss 不斷下降，test loss趨於不變 說明網路過擬合 train loss 趨於不變，test loss不斷下降 說明資料集100 有問題 train loss 趨於不變，test loss趨於不...
總結之總結
這週都在為前一段時間的工作進行總結，雖然沒有時間壓力，但是還是讓我感覺煩惱，特別是在開始階段，面對一堆資料無從下手，時間過半，還是沒有清晰的思路。現在總結雖然寫完了，但還是有些不爽，想在這裡吐吐槽，希望日後的總結工作能夠更加順利一些。現在回想起來，在總結開始的時候，我有幾個疑惑，這次總結的目標是什麼...