YOLOv1损失函数

YOLOv1损失函数

在这里插入图片描述

第一行与第二行为坐标回归误差:

在这里插入图片描述

第三行与第四行为置信度回归误差:

在这里插入图片描述

第五行:类别预测误差(负责检测物体gride cell的分类误差)。

在这里插入图片描述

LOSS=LOSS(坐标)+LOSS(置信度)+LOSS(分类),

版权声明:本文为CSDN博主「CinzWS」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_37619128/article/details/122385654

CinzWS

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

分享 | 物体检测和数据集

因为最近学习任务比较紧(但也不妨碍元旦摆烂三天),所以中间有几个实战Kaggle比赛就跳过了,等以后有时间再回头来看看。物体检测和数据集这一节花了有一天的时间,一直有一个bug困扰,后来改了代码把box

目标检测——yolov3论文精读

📝论文下载 Abstract(摘要) YOLOv3在YOLO的基础上做了一些更新,重点在于提升检测的精度。当图片的分辨率为320 × 320,YOLOv3只使用了22 ms进行检测, m