손실 함수는 객체 검출 작업에서 검출 정확도와 모델 수렴 속도에 중요한 역할을 하며, 손실 함수 내의 경계 상자 손실 함수는 검출 결과와 모델 수렴 속도에 영향을 미치는 중요한 요소입니다. 전통적인 모델의 위치 정확도 저하와 학습 시 모델 수렴 속도 저하 문제를 해결하기 위해 본 논문에서는 CIoU 경계 상자 손실 함수를 기반으로 개선된 경계 상자 손실 함수를 제안하였으며, CIoU 손실 함수 도함수 과정에서 발생하는 경계 상자 가로세로 비율로 인한 그래디언트 폭발 문제와 모델 조기 퇴화 문제를 해결하였습니다. 또한 중첩 영역과 목표 상자의 가로세로 관계 및 중심점 간의 정규화된 거리를 추가적인 벌점 항으로 도입하여 모델의 검출 정확도와 수렴 속도를 향상시켰습니다. 이 손실 함수는 BCIoU(Better CIoU)라고 합니다. PASACL VOC 2007 데이터셋에서의 실험 결과 개선된 BCIoU 경계 상자 손실 함수는 YOLOv3 네트워크에서 IoU 손실 대비 mAP50 지표가 2.09%, AP 지표가 6.88% 상대적으로 향상되었으며, CIoU 손실 대비 mAP50 지표가 1.64%, AP 지표가 5.35% 향상되었습니다. 모델 수렴 속도 또한 일정 수준 향상되었습니다. 본 논문에서 제안하는 BCIoU 손실 함수는 모델의 검출 정확도와 수렴 속도를 향상시키며 현재의 객체 검출 알고리즘에 쉽게 통합될 수 있습니다.

컴퓨터 비전;객체 검출;경계 상자 회귀;그래디언트;손실 함수