用于密集对象检测的混合分类-回归自适应损失

本研究解决了对象检测模型在多任务间不一致性和难以训练样本的关注问题。提出的混合分类-回归自适应损失（HCRAL）通过引入分类和IoU的残差模块以及条件因子，能够有效优化任务之间的监督并增强模型性能。实验结果表明，该方法在目标检测任务中显著提升了模型的表现，尤其是在COCO数据集上的表现优越。