关于rbox_iou的问题 about yolov5_obb HOT 5 CLOSED

Hello @kuazhangxiaoai, thank you for your interest in our work! Please visit our Custom Training Tutorial to get started, and see our Jupyter Notebook , Docker Image, and Google Cloud Quickstart Guide for example environments.

If this is a bug report, please provide screenshots and minimum viable code to reproduce your issue, otherwise we can not help you.

If this is a custom model or data training question, please note Ultralytics does not provide free personal support. As a leader in vision ML and AI, we do offer professional consulting, from simple expert advice up to delivery of fully customized, end-to-end production solutions for our clients, such as:

• Cloud-based AI systems operating on hundreds of HD video streams in realtime.
• Edge AI integrated into custom iOS and Android apps for realtime 30 FPS video inference.
• Custom data training, hyperparameter evolution, and model exportation to any destination.

For more information please visit https://www.ultralytics.com.

from yolov5_obb.

θ解耦出去单独作为一个分类任务了，使用BCE作为损失函数，剩余四个参数作为另一个回归任务，因此使用水平框的CIoU作为回归loss。
置信度损失有两种选择，正样本全部置为1或者以IoU作为该置信度损失分支的权重，采用后者预测出来的置信度会降低但是整体精度会提升，这里采用的是后者。所以这里置信度损失的权重又有两种选择，一个是水平IoU，另一个是RIoU，后者明显更好，但是我写的RIoU的计算效率太低，虽然最后的精度会上升一点点但是运算时间增加了一倍，性价比不高，因此没有启用

from yolov5_obb.

我看算法默认的输入为1024*1024，这个尺寸是不是很大呢？需要什么设备才能训练起来呢？
谢谢

from yolov5_obb.

我看算法默认的输入为1024*1024，这个尺寸是不是很大呢？需要什么设备才能训练起来呢？
谢谢

我应用在遥感检测领域所以尺寸比较大，你完全可以根据你自己的情况设置成你的数据集大小，具体什么设备得看你使用什么规模的模型以及batchsize的大小

from yolov5_obb.

θ解耦出去单独作为一个分类任务了，使用BCE作为损失函数，剩余四个参数作为另一个回归任务，因此使用水平框的CIoU作为回归loss。 置信度损失有两种选择，正样本全部置为1或者以IoU作为该置信度损失分支的权重，采用后者预测出来的置信度会降低但是整体精度会提升，这里采用的是后者。所以这里置信度损失的权重又有两种选择，一个是水平IoU，另一个是RIoU，后者明显更好，但是我写的RIoU的计算效率太低，虽然最后的精度会上升一点点但是运算时间增加了一倍，性价比不高，因此没有启用

maybe is your RIoU don't care all. ep: The Intersections and the endpoints coexist.

from yolov5_obb.