Em tarefas de detecção de objetos, existe uma falta de correlação entre o conteúdo regressado pela função de perda tradicional de regressão de caixa delimitadora e o padrão de avaliação IoU (Interseção sobre União), além de haver certas incoerências nas propriedades de regressão da caixa delimitadora, tornando as propriedades de regressão incompletas, reduzindo a precisão da detecção e a velocidade de convergência, e até causando obstáculos na regressão. Além disso, na tarefa de regressão também existe um problema de desequilíbrio de amostras, onde uma grande quantidade de amostras de baixa qualidade afeta a convergência da perda. Para melhorar a precisão da detecção e a velocidade de convergência da regressão, foi proposta uma nova função de perda de regressão de caixa delimitadora. Primeiro, o pensamento de design foi definido e o paradigma da série de funções de perda IoU foi projetado; em seguida, foi introduzida uma proporção entre o perímetro do retângulo formado por dois pontos centrais e o perímetro do retângulo de fechamento mínimo formado pelas duas caixas como termo de penalidade de distância do ponto central da caixa delimitadora, aplicando-se a perda IoU melhorada no processamento de supressão não máxima (NMS). Em seguida, foram introduzidos o erro de largura e altura entre as duas caixas e o quadrado da largura e altura da caixa de fechamento mínimo como termos de penalidade de largura e altura, definindo a função de perda CRIoU (Complete Relativity IoU). Por fim, foi adicionado um fator de ponderação adaptativo baseado no CRIoU para ponderar a perda de regressão de amostras de alta qualidade, definindo-se a AF-CRIoU (Adaptive focal CRIoU). Os resultados experimentais mostram que o uso da função de perda AF-CRIoU melhora a precisão da detecção em até 8,52% em comparação com perdas tradicionais não baseadas em IoU, em até 2,69% em comparação com a série CIoU, e que o uso do método A-CRIoU-NMS (Around CRIoU NMS) melhora a precisão da detecção em 0,14% em comparação com o método NMS original. A aplicação da perda AF-CRIoU na detecção de capacetes de segurança também obteve bons resultados.

Detecção de objetos;regressão de caixa delimitadora;função de perda IoU;supressão não máxima;perda focal adaptativa