yolov2 损失函数_YOLOv3损失函数详解

Yolov3

损失函数详解

YOLOv3

损失函数是在

YOLOv1

和

YOLOv2

基础上改进得到的，改进的最

大的地方是：由于

YOLOv3

将分类预测改为回归预测，分类损失函数便换成了

二值交叉熵损失函数

。

(

1

)

YOLOv3

损失函数组成如下式所示：

2

2

2

0

0

ˆ

ˆ

oss

[(

)

(

)

]

S

B

obj

j

j

coord

ij

i

i

i

i

i

j

L

I

x

x

y

y



















2

2

2

0

0

ˆ

ˆ

[(

)

(

)

]

S

B

obj

j

j

j

j

coord

ij

i

i

i

i

i

j

I

w

w

h

h

















2

0

0

ˆ

ˆ

[

log(

)

(1

)log(1

)]

S

B

obj

j

j

j

j

ij

i

i

i

i

i

j

I

C

C

C

C















2

0

0

ˆ

ˆ

[

log(

)

(1

)log(1

)]

S

B

noobj

j

j

j

j

noobj

ij

i

i

i

i

i

j

I

C

C

C

C

















2

0

ˆ

ˆ

[

log(

)

(1

)log(1

)]

S

obj

j

j

j

j

ij

i

i

i

i

i

c

class

I

P

P

P

P















图片输入到神经网络后会被分成

S

S



个网格，

每个网格产生

B

个候选框，

每个候

选框会经过网络最终得到相应的

bounding

box

。最终得到

S

S

B





个

bounding

box

，

那么就需要利用损失函数确定具体的

bounding box

计算误差更新权重。

(

2

)损失函数参数解读：

参数

obj

ij

I

：

表示第

i

个网格的第

j

先验框是否负责这个目标物体，

如果负责

1

obj

ij

I



，

否则为

0

。

参数置信度

ˆ

j

i

C

：

ˆ

j

i

C

表示真实值，

ˆ

j

i

C

的取值是由网格的

bounding box

有没有