Repulsion Loss: A Novel Improvement for YOLOv7 in Solving Object Occlusion in De

Repulsion Loss: A Novel Improvement for YOLOv7 in Solving Object Occlusion in Detection Scenarios

目标遮挡是计算机视觉中普遍存在的挑战之一。在密集人群检测等场景中，由于目标之间的相互遮挡，传统的检测器容易出现漏检和误检。为了解决这一问题，我们提出了一种名为"Repulsion Loss"的损失函数，旨在提高目标检测器在目标遮挡场景下的性能。

损失函数改进

我们的改进主要集中在损失函数的设计上。传统的目标检测器通常使用一些基本的损失函数，如分类损失和边界框回归损失。然而，在目标遮挡场景下，这些损失函数往往无法有效地处理目标之间的相互遮挡。因此，我们引入了Repulsion Loss，以增强目标检测器对遮挡目标的感知能力。

Repulsion Loss的核心思想是通过引入目标之间的相互排斥力来改善检测器的性能。具体而言，我们为每个目标框引入一个附加的Repulsion项，用于惩罚目标之间的重叠和遮挡。该Repulsion项的计算方式如下：

def compute_repulsion_loss(