默认情况下,trainYOLOv2ObjectDetector函数通过以下方式预处理训练图像：

当使用表指定训练数据时，trainYOLOv2ObjectDetector函数执行数据增强以进行预处理。该函数通过以下方式扩展输入数据集:

当您使用数据存储指定训练数据时，trainYOLOv2ObjectDetector函数不执行数据扩充。相反，您可以使用变换函数，然后用增强后的训练数据对网络进行训练。有关如何在使用数据存储时应用扩展的更多信息，请参见预处理深度学习数据(深度学习工具箱)．

在训练期间，YOLO v2目标检测网络优化预测边界框和地面真值之间的MSE损失

$$\begin{array}{l}{K}_{1.}{\displaystyle \underset{我=0}{\overset{s^{2.}}{\sum }}{\displaystyle \underset{J=0}{\overset{B}{\sum }}{1.}_{我J}^{oBJ}\left[{\left(x_{我}-{\hat{x}}_{我}\right)}^{2.}+{\left(Y_{我}-{\hat{Y}}_{我}\right)}^{2.}\right]}}\\ +K_{1.}{\displaystyle \underset{我=0}{\overset{s^{2.}}{\sum }}{\displaystyle \underset{J=0}{\overset{B}{\sum }}{1.}_{我J}^{oBJ}\left[{\left(\sqrt{W_{我}}-\sqrt{{\hat{W}}_{我}}\right)}^{2.}+{\left(\sqrt{H_{我}}-\sqrt{{\hat{H}}_{我}}\right)}^{2.}\right]}}\\ +K_{2.}{\displaystyle \underset{我=0}{\overset{s^{2.}}{\sum }}{\displaystyle \underset{J=0}{\overset{B}{\sum }}{1.}_{我J}^{oBJ}{\left(C_{我}-{\hat{C}}_{我}\right)}^{2.}}}\\ +K_{3.}{\displaystyle \underset{我=0}{\overset{s^{2.}}{\sum }}{\displaystyle \underset{J=0}{\overset{B}{\sum }}{1.}_{我J}^{NooBJ}{\left(C_{我}-{\hat{C}}_{我}\right)}^{2.}}}\\ +K_{4.}{\displaystyle \underset{我=0}{\overset{s^{2.}}{\sum }}{1.}_{我}^{oBJ}{\displaystyle \underset{C\in CL\mathrm{A.}ssEs}{\sum }{\left(P_{我}\left(C\right)-{\hat{P}}_{我}\left(C\right)\right)}^{2.}}}\end{array}$$

哪里：

损失函数可分为三部分：