非对称策略下基于前景信息的TIoU回归损失计算

作者：邵容; 陈东方; 王晓峰

来源：计算机工程与应用, 2023, 59(11): 112-118.

DOI：10.3778/j.issn.1002-8331.2202-0005

• 目标检测
• 回归损失
• 前景信息
• 深度学习

回归损失函数是目标检测网络的重要组成部分之一。现有的回归损失中，无论是L范式损失还是基于IoU的损失都采用一种对称策略处理输入的两个边界框，这使得它们对前景信息的利用不够充分，影响了回归的质量。为此，提出了一种非对称策略，用以增强前景信息在回归损失中的作用，并在该策略的指导下设计了TIoU(Target-IoU)损失来保证网络对真值框内的特征予以有效利用，使得边界框的回归更贴近真实值。实验结果表明，TIoU损失在Faster R-CNN和RetinaNet下精度分别提升了0.2个百分点和0.5个百分点，实验数据集采用的是PASCAL VOC数据集。

• 单位
  武汉科技大学; 智能信息处理与实时工业系统湖北省重点实验室