La régression de carte thermique avec un réseau profond est devenue l'une des approches principales pour localiser les points d'intérêt faciaux. Cependant, la fonction de perte utilisée pour la régression de carte thermique est rarement étudiée. Dans cet article, nous analysons les propriétés idéales d'une fonction de perte pour la régression de carte thermique dans les problèmes d'alignement facial. Nous proposons ensuite une nouvelle fonction de perte, appelée Adaptive Wing loss (perte à aile adaptive), capable d'adapter sa forme à différents types de pixels de la carte thermique du sol. Cette adaptabilité augmente la pénalisation sur les pixels du premier plan tout en diminuant celle sur les pixels du fond. Pour aborder le déséquilibre entre les pixels du premier plan et ceux du fond, nous introduisons également la Carte de Perte Pondérée (Weighted Loss Map), qui attribue des poids élevés aux pixels du premier plan et aux pixels difficiles du fond afin d'aider le processus d'entraînement à se concentrer davantage sur les pixels cruciaux pour la localisation des points d'intérêt. Pour améliorer encore plus l'exactitude de l'alignement facial, nous intégrons la prédiction des contours et CoordConv avec des coordonnées de contour. Des expériences approfondies sur différentes bases de référence, y compris COFW, 300W et WFLW, montrent que notre approche surpassent significativement l'état de l'art selon diverses métriques d'évaluation. De plus, la perte à aile adaptive aide également d'autres tâches de régression de carte thermique. Le code sera rendu publiquement disponible sur https://github.com/protossw512/AdaptiveWingLoss.