改进YOLOv5、YOLOv7系列：原创改进Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS...

已于 2024-03-15 14:48:22 修改
阅读量1w 收藏 90
点赞数 9
CC 4.0 BY-SA版权
分类专栏： 芒果YOLO轻量化改进-2025 文章标签： 深度学习 人工智能
于 2022-08-09 12:10:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38668236/article/details/126245080
本文深入探讨了YOLOv5、YOLOv7系列模型中Soft-NMS的改进，包括Soft CIoU-NMS、Soft DIoU-NMS、Soft EIoU-NMS、Soft SIoU-NMS和Soft GIoU-NMS。通过高斯惩罚函数优化NMS算法，提高检测精度。提供详细的代码修改指南。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  • 💡基于 YOLOv5 代码框架，结合不同模块来构建不同的YOLO目标检测模型。

  • 🌟本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分。

  • 改进YOLOv5、YOLOv7系列：原创改进Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS…

该部分改进点为：CSDN博主：芒果汁没有芒果 首发原创内容！！

本篇是《关于一系列Soft-NMS🚀》的修改 演示

包括：NMS、Soft-NMS、Soft-SIoUNMS、Soft-CIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GIoUNMS

文章目录

Soft-NMS相关理论部分

理论部分论文：

了解本专栏 订阅专栏 解锁全文
YOLOv7系列：改进版Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GI
KtMacos的博客
09-19 284
为了进一步提高目标检测的准确性和鲁棒性，研究人员对YOLOv7进行了改进，引入了一系列新的算法，包括Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS和Soft-GIoUNMS。总结起来，YOLOv7系列的改进算法Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS和Soft-GIoUNMS在计算机视觉中的应用可以提高目标检测的准确性和鲁棒性。
YOLOv7系列：创新改进的Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-
JjtlReact的博客
09-18 296
在这篇文章中，我们将介绍YOLOv7系列的创新改进算法，包括Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS和Soft-GIoUNMS，并提供相应的源代码。YOLOv7系列：创新改进的Soft-NMS、Soft-CIoUNMS、Soft-SIoUNMS、Soft-DIoUNMS、Soft-EIoUNMS、Soft-GIoUNMS算法在计算机视觉中的应用。通过引入Soft-NMS、Soft-CIoUNMS、Soft-S。
YOLOV5改进（Soft-NMS（多种IOU））
eagleflying_cau的博客
06-10 1421
在这个后面可以加CIOU/DIOU/SIOU/GIOU/EIOU=True,不加的话就默认是IOU。（1）将以下代码复制到utils/general.py中。2.在训练时用general里面的这个。在验证时把上面的注释掉，用这个。
YOLOv5改进NMS为Soft-NMS
python自学小学生的博客
11-21 1300
-----------------------------------这是Soft_NMS计算方法 start ---------------------------------------------------------------------# 计算每个box的面积# 首先对所有得分进行一次降序排列,仅此一次,以提高后续查找最大值速度. oeder为降序排列后的索引# NMS后,保存留下来的边框keep = []if order.numel() == 1: # 仅剩最后一个box的索引。
YOLOv5改进（八）--引入Soft-NMS非极大值抑制
最新发布
qq_44231797的博客
06-25 3112
目前yolov5使用的是NMS进行极大值抑制，本篇文章是要将各类NMS添加到yolov5中，同时可以使用不同的IOU进行预测框处理。NMS概念NMS(Non-maximum suppression)是非极大值抑制， 目的是过滤掉重复的框。为了保证检测的准确性， 检测网络的输出框一般都比较密集， 对一个物体， 会有多个预测框，NMS就是为了过滤掉这些重复的框， 保留质量最好的那一个框。
目标检测算法——YOLOv5将NMS替换为DIoU-NMS
热门推荐
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
04-09 1万+
将NMS替换为DIoU-NMS，初步改进YOLOv5对重叠遮挡目标的识别。
yolov5 soft_nms cluster_nms,cluster_SPM_nms,cluster_diounms,cluster_SPM_dist_nms,diou_nms
jacke121的专栏
07-01 4119
调用： # Non-maximum suppression if method == 'standard': nms_indices = nms(pred[:, :4], pred[:, 4], nms_thres) elif method == 'soft': nms_indices = soft_nms_pytorch(pred[:, :4], pred[:, 4], sigma=0.5, thres..
YOLOv7系列：改进Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIo
IdfdFsharp的博客
09-18 307
近年来，计算机视觉领域取得了巨大的发展，其中目标检测是一个重要的研究方向。在YOLOv7系列中，我们关注于改进目标检测过程中的非极大值抑制（NMS）方法，引入了一系列的改进版本如Soft-NMS, Soft-CIoUNMS, Soft-SIoUNMS, Soft-DIoUNMS, Soft-EIoUNMS和Soft-GIoUNMS。YOLOv7系列：改进Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS…
改进YOLOv5、YOLOv7系列：原创改进创新点 DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS改进
包括YOLOv5、YOLOv7、YOLOv8等模型改进
08-09 1万+
改进YOLOv5、YOLOv7系列：原创改进创新点 DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS改进
改进YOLOv5、YOLOv7系列：修改NMS为：DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS
qq_52763448的博客
01-02 3312
改进YOLOv5、YOLOv7系列：修改NMS为：DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS
YOLOv5改进 | 添加SE注意力机制 + 更换NMS之EIoU-NMS
突然好想你
11-25 2174
本文以 YOLOv5 模型为基础，通过添加SE注意力机制模块及改进NMS，以准备的数据集进行仿真试验，试验结果表明模型平均识别精度和检测速度较好。🌈
Yolov5/Yolov7优化：引入Soft-NMS，提升密集遮挡场景检测精度
06-20 2609
Soft-NMS解决yolov5自带的nms在密集遮挡场景会出现很大的问题，如出现漏检；Soft-NMS的思路：不要粗鲁地删除所有IOU大于阈值的框，而是降低其置信度。
【YOLOv5改进系列(11)】高效涨点----添加soft-nms(IoU,GIoU,DIoU,CIoU,EIoU,SIoU)到yolov5中
慕溪同学的博客
04-01 3583
目前yolov5使用的是NMS进行极大值抑制，本篇文章是要将soft-nms添加到yolov5中，同时可以使用不同的IOU进行预测框处理，在看本文之前强烈推荐看一下改进系列（1）和（2）这两个讲了的相关概念，以及如何使用不同的Iou替换掉yolov5中的CIOU。我自己也在钢轨表面疵点数据集进行测试，发现效果还是有一些，但是训练速度比较慢，可能是pytorch自带的nms底层代码做了优化所以速度会比较快，因此训练的时候不建议用，在使用val.py进行模型推理的时候可以使用soft-nms。
Yolov5/Yolov7优化：引入Soft-NMS并结合各个IOU变体GIOU、DIOU、CIOU、EIOU、SIOU，进一步提升密集遮挡场景检测精度
06-25 1804
Soft-NMS解决yolov5自带的nms在密集遮挡场景会出现很大的问题，如出现批量漏检；在这个基础上加入各种IOU变体，进一步提升检测精度。
二十三. 基于Soft NMS方法对物体检测网络YOLO v5进行性能改进
okgwf的博客
01-13 6567
基于Soft NMS方法对物体检测网络YOLO v5进行性能改进
芒果YOLOv5改进50：NMS篇之WIoU_NMS：VisDrone数据集mAP涨点1.4%，即插即用｜检测头新颖改进，性能高效涨点
包括YOLOv5、YOLOv7、YOLOv8等模型改进
11-15 1029
YOLOv5独家原创改进｜独家首发最新原创WIoU_NMS改进点
Yolov5设置不同类别元素之间使用NMS非极大值抑制
一位安分的码农的博客
07-11 2215
Yolov5默认设置类间元素分别使用NMS，这样一来，会使得图像中的相近区域检测出多个类别目标。 如果想要所有的元素一起使用NMS，可以这样设置： 进入utils的general.py，在791行添加 进行类间NMS时 改为True后：...
[YOLOv7/YOLOv5系列算法改进NO.19]非极大值抑制NMS算法改进DIoU NMS
m0_70388905的博客
07-12 6927
​前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。解决问题：YOLOv5默认采用NMS算法，主要是通过IoU来筛选出候选框。...
【YOLOV5】训练自己的数据集，CBAM，CIoU，Soft-nms，网络结构修改
ghostype的博客
02-10 7335
1.使用VOC数据集 2.划分训练集，验证集、测试集 3.修改配置 3.1新建 data/yolo.yaml 加入train、test 地址 修改类别数量与名称 3.2修改模型参数 model/yolov5s.yaml 类别、anchor tips：yolov5会自动计算anchor box 3.1中地址冒号后面需要加一个空格 .........
yolov5改进soft-nms
09-03
对于YOLOv5，改进Soft-NMS的方法可以提高目标检测的准确性和稳定性。Soft-NMS是一种非极大值抑制的方法，用于去除重叠的边界框，并保留置信度较高的边界框。 以下是一些可能的改进方法： 1. 调整抑制阈值：Soft-NMS中的阈值参数控制了哪些边界框应该被抑制。通过对阈值进行调整，可以提高对目标的检测和定位能力。 2. 引入置信度修正项：Soft-NMS通常只依赖于置信度来选择要保留的边界框。可以引入额外的修正项，如位置重叠度，来更好地衡量边界框之间的关系。 3. 融合多尺度信息：YOLOv5采用了多尺度检测的策略，可以利用不同尺度下的特征信息来提高检测性能。在Soft-NMS中，可以考虑将多尺度信息融合到抑制过程中，以更好地处理不同尺度下的目标。 4. 考虑目标形状信息：Soft-NMS通常是基于边界框的位置和置信度进行抑制。但是对于具有不同形状的目标，可以考虑引入目标形状信息来调整抑制策略，以更准确地选择要保留的边界框。 这些方法只是对Soft-NMS改进的一些思路，具体的实现方式可以根据实际情况进行调整和优化。
评论 26
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

芒果学AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值