YOLOv1 Training-LOSS详细解读

LOSS函数的意义

  loss函数（损失函数），是决定网络学习质量的关键。Loss函数的作用就是描述模型的预测值与真实值之间的差距大小。寻找一个标准帮助训练机制随时优化参数，以便于找到网络的最高精度下的参数。Loss函数就是指导模型在训练过程中朝着收敛的方向前进。

YOLOv1中LOSS函数的内容

LOSS函数详解

LOSS函数由三部分组成，分别是：坐标误差、IOU误差和分类误差。

在上一篇博客中，我们详细解释了输出特征图7×7×30的含义，此时，我们就需要30这个参数，来解释YOLOv1版本中的LOSS函数。

30=（4+1）+（4+1）+20其中

4：（x,y,w,h);

1：c（置信度）

具体对应如下图：

（由于此段落可能含有不明意义字符导致审核不通过，因此由图片方式呈现）

YOLOv1中LOSS函数源码

（由于英文代码过多，容易误判，具体代码可参考：https://www.cnblogs.com/WSX1994/p/11226012.html）