我目前正在使用 MSE 来预测 ROI 坐标的中心及其宽度和高度。所有值都与图像大小有关。我认为这种方法并没有对这些坐标相关的事实施加足够的压力。

乍一看，这看起来很合理。计算机视觉并不是我真正的主要专业领域，所以我进行了一些谷歌搜索，我遇到的第一个存储库之一做了非常相似的事情。您可能会更详细地查看该存储库中的代码和引用。

在我看来，他们也在使用MSE损失函数。我不是 100% 确定他们是如何定义边界框的，也许你可以通过挖掘代码来弄清楚。您当前通过以下方式定义边界框：

1. 边界框中心的X坐标
2. 边界框中心的Y坐标
3. 边界框的宽度
4. 边界框高度

你是对的，因为这些坐标非常密切相关。如果中心不正确（例如，向右太远），则可以通过采用更大的宽度来部分“修复”该错误（边界框会向右太远，但仍会封装对象）。我不知道这是否一定是一个问题，或者一个应该以某种方式加以利用的事实，或者应该“施加压力”的东西。如果这是您关心的问题，我想您也可以按如下方式定义边界框（我不确定这是否是上面链接的存储库中所做的）：

1. 边界框左上角的X坐标
2. 边界框左上角的Y坐标
3. 边界框右下角的X坐标
4. 边界框右下角的Y坐标

直观地说，我怀疑这两个角点之间的关系将不如您确定的中心 + 宽度 + 高度之间存在的关系那么强。左上角坐标中的“错误”不能通过将右下角放在其他地方来部分“修复”。