Yolov3
損失函數詳解
YOLOv3
損失函數是在
YOLOv1
和
YOLOv2
基礎上改進得到的,改進的最
大的地方是:由于
YOLOv3
将分類預測改為回歸預測,分類損失函數便換成了
二值交叉熵損失函數
。
(
1
)
YOLOv3
損失函數組成如下式所示:
2
2
2
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
ˆ
ˆ
[(
)
(
)
]
S
B
obj
j
j
j
j
coord
ij
i
i
i
i
i
j
I
w
w
h
h
2
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
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
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
圖檔輸入到神經網絡後會被分成
S
S
個網格,
每個網格産生
B
個候選框,
每個候
選框會經過網絡最終得到相應的
bounding
box
。最終得到
S
S
B
個
bounding
box
,
那麼就需要利用損失函數确定具體的
bounding box
計算誤差更新權重。
(
2
)損失函數參數解讀:
參數
obj
ij
I
:
表示第
i
個網格的第
j
先驗框是否負責這個目标物體,
如果負責
1
obj
ij
I
,
否則為
。
參數置信度
ˆ
j
i
C
:
ˆ
j
i
C
表示真實值,
ˆ
j
i
C
的取值是由網格的
bounding box
有沒有