Функция потерь оказывает важное влияние на точность обнаружения и скорость сходимости модели в задачах обнаружения объектов, при этом функция потерь ограничивающей рамки является важным фактором, влияющим на результаты обнаружения и скорость сходимости модели. Для решения проблем низкой точности локализации традиционных моделей и медленной сходимости модели во время обучения в данной работе предложена усовершенствованная функция потерь рамки на основе функции потерь CIoU, которая решает проблему взрывного градиента, возникающего из-за соотношения ширины и высоты рамки при дифференцировании функции потерь CIoU, а также проблему преждевременной деградации модели. Введено дополнительное штрафующее слагаемое, учитывающее отношение площади перекрытия к ширине и высоте целевой рамки и нормализованное расстояние между центрами, что повышает точность обнаружения и скорость сходимости модели. Эта функция потерь называется BCIoU (Better CIoU). Результаты экспериментов на наборе данных PASACL VOC 2007 показали, что усовершенствованная функция потерь рамки BCIoU по сравнению с потерями IoU повышает mAP50 на 2.09% и AP на 6.88% в сети YOLOv3; по сравнению с потерями CIoU mAP50 повышается на 1.64%, AP — на 5.35%. Скорость сходимости модели также улучшилась. Предложенная функция потерь BCIoU повышает точность обнаружения и скорость сходимости модели, а также легко интегрируется в современные алгоритмы обнаружения объектов.

компьютерное зрение;обнаружение объектов;регрессия ограничивающей рамки;градиент;функция потерь