💡本篇内容：YOLOv5原创改进损失函数 Repulsion：解决目标遮挡场景下检测，为解决密集人群检测中遮挡设计的损失函数，打造高效检测器涨点

💡🚀🚀🚀本博客 内附的改进源代码改进 适用于 YOLOv5、YOLOv7、YOLOv8… 等等YOLO系列 按步骤操作运行改进后的代码即可

💡在检测行人任务中，由于行人之间互相遮挡，导致检测器容易受遮挡的干扰，给出错误的预测框。
研究人员先是从数据集上进行分析，描述了遮挡对行人检测带来的影响。后面受吸引，排斥的启发，提出了《Repulsion Loss 创新点》来尽可能让预测框贴近真实框的同时，又能与同类排斥，进而避免误检。将其应用到YOLOv5、YOLOv7、YOLOv8系列检测器中，进一步提升YOLO系列遮挡检测的性能

Repulsion 论文理论部分 + 结合 YOLOv5 最新 代码实践改进