默认情况下，trainYOLOv2ObjectDetector函数对训练图像进行预处理:

当你使用一个表指定训练数据中，trainYOLOv2ObjectDetector函数执行预处理的数据增强。该函数扩充到输入数据集：

使用数据存储指定培训数据时，trainYOLOv2ObjectDetector函数不执行数据增强。方法来增强数据存储中的训练数据转变功能然后，用增强培训数据训练网络。有关如何在使用数据存储时应用增强的更多信息，请参阅应用增强到数据存储中的培训数据（深学习工具箱）．

在训练过程中，YOLO v2目标检测网络优化了预测边界盒与地面真实值之间的MSE损失。损失函数定义为

$$\begin{array}{l}{K}_1{\displaystyle \underset{我＝0}{\overset{{\mathrm{年代}}^2}{\sigma .}}{\displaystyle \underset{j＝0}{\overset{B}{\sigma .}}{1}_{我j}^{obj}［{（x_{我}-{\stackrel{＾}{x}}_{我}）}^2+{（y_{我}-{\stackrel{＾}{y}}_{我}）}^2］}}\\ +K_1{\displaystyle \underset{我＝0}{\overset{{\mathrm{年代}}^2}{\sigma .}}{\displaystyle \underset{j＝0}{\overset{B}{\sigma .}}{1}_{我j}^{obj}［{（\sqrt{w_{我}}-\sqrt{{\stackrel{＾}{w}}_{我}}）}^2+{（\sqrt{h_{我}}-\sqrt{{\stackrel{＾}{h}}_{我}}）}^2］}}\\ +K_2{\displaystyle \underset{我＝0}{\overset{{\mathrm{年代}}^2}{\sigma .}}{\displaystyle \underset{j＝0}{\overset{B}{\sigma .}}{1}_{我j}^{obj}{（C_{我}-{\stackrel{＾}{C}}_{我}）}^2}}\\ +K_{3.}{\displaystyle \underset{我＝0}{\overset{{\mathrm{年代}}^2}{\sigma .}}{\displaystyle \underset{j＝0}{\overset{B}{\sigma .}}{1}_{我j}^{noobj}{（C_{我}-{\stackrel{＾}{C}}_{我}）}^2}}\\ +K_4{\displaystyle \underset{我＝0}{\overset{{\mathrm{年代}}^2}{\sigma .}}{1}_{我}^{obj}{\displaystyle \underset{c\in cl\mathrm{一个}\mathrm{年代}\mathrm{年代}e\mathrm{年代}}{\sigma .}{（p_{我}（c）-{\stackrel{＾}{p}}_{我}（c））}^2}}\end{array}$$

地点:

损失函数可分为三部分: