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
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
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
。
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