论文地址：Wise-IoU:BoundingBoxRegressionLosswithDynamicFocusingMechanismGitHub：https://github.com/Instinct323/wiou摘要：目标检测作为计算机视觉的核心问题，其检测性能依赖于损失函数的设计。边界框损失函数作为目标检测损失函数的重要组成部分，其良好的定义将为目标检测模型带来显著的性能提升。近年来的研究大多假设训练数据中的示例有较高的质量，致力于强化边界框损失的拟合能力。但我们注意到目标检测训练集中含有低质量示例，如果一味地强化边界框对低质量示例的回归，显然会危害模型检测性能的提升。Focal-EI

论文地址：Wise-IoU:BoundingBoxRegressionLosswithDynamicFocusingMechanismGitHub：https://github.com/Instinct323/wiou摘要：目标检测作为计算机视觉的核心问题，其检测性能依赖于损失函数的设计。边界框损失函数作为目标检测损失函数的重要组成部分，其良好的定义将为目标检测模型带来显著的性能提升。近年来的研究大多假设训练数据中的示例有较高的质量，致力于强化边界框损失的拟合能力。但我们注意到目标检测训练集中含有低质量示例，如果一味地强化边界框对低质量示例的回归，显然会危害模型检测性能的提升。Focal-EI

《一文搞懂IoU发展历程》GIoU、DIoU、CIoU、EIoU、αIoU、SIoU文章目录《一文搞懂IoU发展历程》GIoU、DIoU、CIoU、EIoU、αIoU、SIoUIoU出现背景什么是IoU？IoU发展历程GIoU（CVPR2019）DIoU（AAAI2020）CIoU（AAAI2020）EIoU（arXiv2021）αIoU（NeurlPS2021）SIoU（arXiv2022）各IoU源代IoUGIoUDIoUCIoUIoU出现背景目标检测任务的损失函数一般由ClassificitionLoss（分类损失函数）和BoundingBoxRegeressionLoss（回归损失函数

《一文搞懂IoU发展历程》GIoU、DIoU、CIoU、EIoU、αIoU、SIoU文章目录《一文搞懂IoU发展历程》GIoU、DIoU、CIoU、EIoU、αIoU、SIoUIoU出现背景什么是IoU？IoU发展历程GIoU（CVPR2019）DIoU（AAAI2020）CIoU（AAAI2020）EIoU（arXiv2021）αIoU（NeurlPS2021）SIoU（arXiv2022）各IoU源代IoUGIoUDIoUCIoUIoU出现背景目标检测任务的损失函数一般由ClassificitionLoss（分类损失函数）和BoundingBoxRegeressionLoss（回归损失函数

前言边界框：在⽬标检测领域⾥，我们通常使⽤边界框（boundingbox，缩写是bbox）来描述⽬标位置。边界框是⼀个矩形框，可以由矩形左上⻆的x和y轴坐标与右下⻆的x和y轴坐标确定。检测网络中的一些术语解释：backbone：翻译为主干网络，主要指用来做特征提取作用的网络，早期分类网络VGG、ResNet等去掉用于分类的全连接层的部分就是backbone网络。neck:指放在backbone和head之间的网络，作用是更好的融合/利用backbone提取的feature，可以理解为特征增强模块，典型的neck是如FPN结构。head：检测头，输出想要结果（分类+定位）的网络，放在模型最后。如

前言边界框：在⽬标检测领域⾥，我们通常使⽤边界框（boundingbox，缩写是bbox）来描述⽬标位置。边界框是⼀个矩形框，可以由矩形左上⻆的x和y轴坐标与右下⻆的x和y轴坐标确定。检测网络中的一些术语解释：backbone：翻译为主干网络，主要指用来做特征提取作用的网络，早期分类网络VGG、ResNet等去掉用于分类的全连接层的部分就是backbone网络。neck:指放在backbone和head之间的网络，作用是更好的融合/利用backbone提取的feature，可以理解为特征增强模块，典型的neck是如FPN结构。head：检测头，输出想要结果（分类+定位）的网络，放在模型最后。如