目标检测是一项成熟的技术，其检测性能已接近人类视觉水平。本文提出一种方法，通过研究影响目标可检测性的视觉因素，进一步缩小剩余的检测能力差距。由于部分影响因素在真实传感器数据中难以甚至无法测量，本文采用合成数据训练检测器，从而在大规模数据上实现精确的测量与真实标签的获取。随后，利用该检测器对真实训练数据及其对应的检测性能退化因素进行样本加权，进而校准一种经验性的加权损失函数，即检测性能退化加权损失（Detection Impairment Weighting, DIW loss）。该方法被应用于交通场景中的行人检测任务。实验结果表明，基于CityPersons数据集训练的检测器，采用DIW损失后取得了新的最先进检测性能，相较于此前最优结果提升了1.88%。