用于对象检测的可能的回归损失

Question

许多对象检测算法将边界框预测为（xmin，ymin，xmax，ymax），表示边界框的左上角和右下角。此外，为避免梯度爆炸，大多数论文建议采用平滑的L1损耗或简单地使用L1损耗。

我的问题是，是否有其他方法的成功尝试？

例如

• 预测框的左上角（x，y），宽度和高度。
• 预测盒子的中心点（x，y），宽度和高度。
• 预测框的中心点（x，y），大小和纵横比。
• 预测中心点（x，y），大小和tan ^-1 （纵横比）

此外，其中某些选项可能对某些属性包括不同的重要性/权重。例如。找到合适的中心点和尺寸比合适的长宽比更重要。同样，明智的做法是将L1损耗用作中心点，而将L2损耗用作尺寸或纵横比。您是否知道有关此主题的任何研究？

谢谢。