Wheat_det

基于YOLOv3的小麦头检测 目前，此仓库将汇总并实现电流损耗函数，并提出了用于对象检测的非最大抑制方法（与另一个仓库obj-det-loss类似，但另一个仓库未取得良好的结果），因此我在此工作首先回购。 我们的目标是分析不同的技巧。 修改代码以使其更具可读性和简洁性 Loss_Funcs bbox损失 基于锚的损失 基于YOLOv3 回归损失＃测试 借条损失 GIOU Loss $ [1]}＃由IOU引起的梯度消失的交易对于非重叠而言为零 与GIOU相结合的回归 失去信心 二元交叉熵很难找到正负号TT [x]骰子损失[2] 希望能帮助解决班级失衡 不如预期的好 非最大抑制 硬网管 软网管[3] 结果 在验证集上 YOLO-SPP YOLO损失，mAP：0.63 参考： [1]：“关于工会的广义相交：度量框回归的度量和损失”： ：//giou.st