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: 107,378,972

 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); Số: 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