yolo V1 损失函数的理解

YOLO V1

损失函数的理解

yolo_loss_fun

  1. 每一项说明
    • 第一项:遍历每个网格(Grid)中的每一个边界框(Bounding BOX,BBOX),其中网格有$S^2$个,预测框有B个。
    • $\mathbb{I}^{obj}_{ij}$ 表示若第i个网格中第j个边界框含有对象(OBJ)则该值为1 ,否则为0。
    • $[(x_i-\bar{x}_i)^2+(y_i-\bar{y}_i)^2]$表示中心坐标的平方差损失。
    • 第二项:用开方的原因是对于大物体和小物体来说,在相同的IOU情况下,不至于相差太大。
    • 第三项和第四项都是分别是对含有OBJ和不含有OBJ的BBOX的置信度(confidence)的预测
    • 第四项:$\mathbb{I}^{obj}_{i}$表示判断是都有OBJ落在网格i中。进行类别预测。
  2. 超参数说明
    • $\lambda_{coord}$表示需要BBOX负责预测OBJ的超参数,数目较多,设置5
    • $\lambda_{noobj}$表示不负责预测OBJ的BBOX的超参数,数目较少,设置0.5
    • 用来抵输入的样本的不平衡