目标检测中损失函数的优化：以夜间车辆检测为例

损失函数是影响目标检测任务检测精度的关键因素。本文同时优化了分类与定位的两个损失函数。首先，通过在分类损失函数中的标准交叉熵损失上乘以基于 IoU 的系数，建立了定位与分类之间的关联。与现有仅将该关联用于提升正样本定位精度的研究相比，本文利用该关联获取真正的困难负样本，旨在降低负样本的错误分类率。此外，通过引入预测框与目标框之间的马氏距离，提出了一种名为 MIoU 的新定位损失，其消除了 DIoU 损失中的梯度不一致问题，进一步提升了定位精度。最后，在两个数据集上进行了充分的夜间车辆检测实验。结果表明，使用所提损失函数训练时，检测性能可得到显著提升。源代码与训练模型见 https://github.com/therebellll/NegIoU-PosIoU-Miou。