基于YOLOv5s模型的边界框回归损失函数研究

作     者：董恒祥 潘江如 董芙楠 赵晴 郭鸿鑫 DONG Hengxiang;PAN Jiangru;DONG Funan;ZHAO Qing;GUO Hongxin

作者机构：新疆农业大学交通与物流工程学院新疆乌鲁木齐830000 新疆工程学院控制工程学院新疆乌鲁木齐830000 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2024年第47卷第3期

页      面：179-186页

学科分类：11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081203[工学-计算机应用技术] 0835[工学-软件工程] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：车辆检测 边界框回归损失函数 目标尺度 YOLOv5s CIoU SIoU Focal-EIoU WIoU 

摘      要：针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率、准确率、召回率、mAP@0.5、迭代过程的边界框损失值以及目标检测结果对其适用场景进行分析研究。结果显示:CIoU整体性能最差;SIoU在KITTI数据集上整体性能最优,准确率最高,达到了94.5%,漏检率降到了1.2%,适用于中尺度目标检测任务;Focal-EIoU在VisDrone2019数据集中各项指标远优于其他损失函数,召回率和mAP@0.5指标相较于CIoU分别提高了1.6%和1.8%,误检率降低了6.9%,且迭代过程损失值远低于其他损失函数,适用于小尺度目标检测任务;WIoU在UA-DETRA数据集整体性能最优,漏检率、召回率以及mAP@0.5指标优于其他损失函数,适用于大尺度目标检测任务。此研究为目标检测任务的边界框回归损失函数的选择提供了重要的基础。