Este artículo propone una nueva función de pérdida, "Pérdida de Entropía", y una innovadora estrategia de aprendizaje para superar las limitaciones de los métodos existentes basados en aprendizaje profundo, con una interpretabilidad limitada, y así mejorar la conciencia de seguridad en sistemas de conducción inteligente. A partir de la función de la red de compresión de características, se construye un modelo probabilístico con la expectativa de cambios estables en la cantidad de información y disminuciones continuas en la entropía de la información durante el proceso de transmisión. De este modo, se deriva la función de pérdida de entropía. Los resultados experimentales con el conjunto de pruebas KITTI muestran que la precisión del modelo de detección de objetos 3D que aplica la pérdida de entropía mejora hasta en un 4,47 %, así como la velocidad de aprendizaje. El código fuente está disponible públicamente.
