培训期间,YOLO v2意思网络的输出层预测精制边界框的位置通过优化之间的均方误差损失预测边界框和地面真理。损失函数被定义为

$$\begin{array}{l}{K}_1{\displaystyle \underset{我=0}{\overset{{\mathrm{年代}}^2}{\sum }}{\displaystyle \underset{j=0}{\overset{B}{\sum }}{1}_{我j}^{obj}\left({\left(x_{我}-{\hat{x}}_{我}\right)}^2+{\left(y_{我}-{\hat{y}}_{我}\right)}^2\right]}}\\ +K_1{\displaystyle \underset{我=0}{\overset{{\mathrm{年代}}^2}{\sum }}{\displaystyle \underset{j=0}{\overset{B}{\sum }}{1}_{我j}^{obj}\left({\left(\sqrt{w_{我}}-\sqrt{{\hat{w}}_{我}}\right)}^2+{\left(\sqrt{h_{我}}-\sqrt{{\hat{h}}_{我}}\right)}^2\right]}}\\ +K_2{\displaystyle \underset{我=0}{\overset{{\mathrm{年代}}^2}{\sum }}{\displaystyle \underset{j=0}{\overset{B}{\sum }}{1}_{我j}^{obj}{\left(C_{我}-{\hat{C}}_{我}\right)}^2}}\\ +K_3{\displaystyle \underset{我=0}{\overset{{\mathrm{年代}}^2}{\sum }}{\displaystyle \underset{j=0}{\overset{B}{\sum }}{1}_{我j}^{noobj}{\left(C_{我}-{\hat{C}}_{我}\right)}^2}}\\ +K_4{\displaystyle \underset{我=0}{\overset{{\mathrm{年代}}^2}{\sum }}{1}_{我}^{obj}{\displaystyle \underset{c\in cl\mathrm{一个}\mathrm{年代}\mathrm{年代}e\mathrm{年代}}{\sum }{\left(p_{我}\left(c\right)-{\hat{p}}_{我}\left(c\right)\right)}^2}}\end{array}$$

地点:

损失函数可以分成三个部分: