Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 111,200,320
An Advanced IoU Loss Function for Accurate Bounding Box Regression
Tác giả hoặc Nhóm tác giả:
Ho-Si-Hung Nguyen, Thi-Hoang-Giang Tran, Dinh-Khoa Tran, and Duc-Duong Pham
Nơi đăng:
Springer Nature (SCOPUS);
S
ố:
471;
Từ->đến trang
: 151-157;
Năm:
2022
Lĩnh vực:
Chưa xác định;
Loại:
Bài báo khoa học;
Thể loại:
Quốc tế
TÓM TẮT
ABSTRACT
Bounding box regression (BBR) is one of the important steps for object detection. To improve accuracy of recognition ability between true object and prediction object, many researches have developed loss functions for BBR. In existing researches, some main drawbacks can be shown: (i) both IOU-based loss functions and ln − norm are inefficient enough to detect the object; (ii) the loss functions ignore the imbalance issues in BBR when the large number of anchor boxes have overlaps with the target boxes; (iii) the loss functions own redundant parameters which lead to extend training process. To address these problems, this paper is proposed a new approach by using an Advanced IoU loss function. Three geometric factors including overlap area, distances and side length are considered in the proposed function. The proposal focuses on the overlap area to improve accuracy for object detection. By this way, the proposal can relocate anchor box for covering the ground truth in the training process and optimize anchor boxes for object detection. The proposal is tested on VOC Pascal and MS COCO dataset. The experimental results are compared to existing IoU models and show that the proposal can improve accuracy level for Bounding box regression.
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn