YOLOv7损失函数改进：Wasserstein Distance Loss，助力小目标涨点

本文主要是介绍YOLOv7损失函数改进：Wasserstein Distance Loss，助力小目标涨点，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

 💡💡💡本文属于独家改进：Wasserstein distance，无论小目标之间有没有重叠都可以度量分布相似性; NWD对不同尺度的目标不敏感，更适合测量小目标之间的相似性。

Wasserstein Distance Loss  |   亲测在多个数据集实现涨点，尤其在小目标领域效果佳；

 收录：

YOLOv7高阶自研专栏介绍：

http://t.csdnimg.cn/tYI0c

✨✨✨前沿最新计算机顶会复现

🚀🚀🚀YOLOv7自研创新结合，轻松搞定科研

🍉🍉🍉持续更新中，定期更新不同数据集涨点情况

1.Wasserstein Distance Loss 介绍

论文名称：《A Normalized Gaussian Wasserstein Distance for Tiny Object Detection》
作者：Jinwang Wang、Chang Xu、Chang Xu、Lei Yu
论文地址：https://arxiv.org/

这篇关于YOLOv7损失函数改进：Wasserstein Distance Loss，助力小目标涨点的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---