文章目录 🚀🚀🚀前言一、1️⃣ 修改loss.py文件1.1 🎓 修改11.2 ✨ 修改21.3 ⭐️相关代码的解释 二、2️⃣NWD实验2.1 🎓 实验一：基准模型2.2 ✨实验二：NWD权重设置0.52.3 ⭐️实验三：NWD权重设置1.02.4 🎯实验总结 👀🎉📜系列文章目录 【论文精读】NWD:一种用于微小目标检测的归一化高斯Wass

link 1、复制这些 2、utils-loss，这里加 3、把这几行复制到utiils的loss.py 4、先对CoputerLoss类做修改 5、把那一行替换成这个 6、修改 7、iou_ration是超参，可以调，如果小目标比较多的话，这个值可以低一些，从而增加nwd损失的比例 8、还有一个部分要改 9、这个box也要改

前言 本文使用的YOLOv5版本为v7.0，该版本为YOLOv5最新版本，默认损失函数采用的是CIoU。本章节主要介绍如何将NWD损失函数应用于目标检测YOLOv5模型。 🚀🚀🚀 YOLOv5改进损失函数系列： YOLOv5改进实战（1）| 更换损失函数（一）之EIoU、Alpha-IoU、SIoU篇 YOLOv5改进实战（2）| 更换损失函数（二）之WIOU（Wise

NWD-Based Model | 小目标检测新范式，抛弃IoU-Based暴力涨点(登顶SOTA) 计算机视觉 参考：博客1 知乎2 在这里进行纪录分享，这是有用的资料，避免之后再寻找相当麻烦。 小目标检测是一个非常具有挑战性的问题，因为小目标只包含几个像素大小。作者证明，由于缺乏外观信息，最先进的检测器也不能在小目标上得到令人满意的结果。作者的主要观察结果是，基于IoU (Inters