1、Yolov5损失函数分析
2、bbox 回归损失
v5 使用的是 CIoU Loss,后续又优化出EIOU Loss如下所示
论文:Focal and efficient IOU loss for accurate bounding box regression
3、目标置信度损失
目标置信度损失由正样本匹配得到的样本对计算,一是预测框中的目标置信度分数 p0,二是预测框和与之对应的目标框的 iou 值piou,其作为 ground-truth。两者计算二进制交叉熵得到最终的目标置信度损失。表示二分类交叉熵损失;表示正样本的权重公式如下:
4、类别损失
别损失与置信度损失类似,通过预测框的类别分数和目标框类别的 one-hot 表现来计算类别损失,目标置信度损失和类别损失使用的是带 sigmoid 的二进制交叉熵函数BCEWithLogitsLoss。