企业官网建设流程全解析

YOLO11 改进 | 原创 BCG-IoU Loss 的边界相关回归配置与完整接入指南

• • 一、本文简介
  • 二、BCG 模块原理详解
  • • 2.1 数据流
    • 2.2 边界残差与平移—尺度分解
    • 2.3 正定相关二次惩罚
  • 三、改进思想与创新点
  • • 3.1 背景与动机
    • 3.2 三个核心设计
    • 3.3 与相关回归策略的边界
    • 3.4 YOLO11 适配范围
  • 四、完整代码与训练接入
  • • 4.1 `experimental_bbox.py`：完整 BCG 配置、上下文和 Loss
    • 4.2 `cfg/__init__.py`：允许 CLI 与 Python 训练参数
    • 4.3 `loss.py`：`BboxLoss` 接收上下文并调用 BCG
    • 4.4 `loss.py`：在 `v8DetectionLoss` 创建 selector 与真实上下文
    • 4.5 训练配置
  • 五、手把手配置步骤
  • • Step 1：放置实验实现
    • Step 2：检查任务范围
    • Step 3：固定变量后训练
  • 六、BCCD 实验对比
  • • 6.1 固定协议
    • 6.2 BCG 与 CIoU
    • 6.3 分类别结果
    • • AP50
      • AP50-95
  • 七、常见问题
  • • 7.1 `bcg_correlation` 为什么不能等于 1 或 -1？
    • 7.2 BCG 是否需要 DFL？
    • 7.3 BCG 是否增加推理成本？
    • 7.4 为什么 BCG recall 上升但 mAP 下降？
  • 八、总结