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

【目标检测】锚框

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 前言 【个人学习笔记记录,如有错误,请指正!】 一、锚框 理解锚框之前,我们需

yolo-fastest模型

两个关于yolo-fastest的资料 https://github.com/dog-qiuqiu/Yolo-FastestV2/ https://github.com/dog-qiuqiu/Yolo-Fastest

手把手教你实现YOLOv3 (一)

1. 引言 最近整理了YOLO系列相关论文阅读笔记,发现仅仅靠阅读论文还是有很多内容一知半解,吃得不是很透彻. 尽管网络上有很多博客都在讲解,但是很多实现细节细究起来还是有些困难. 俗话说的好: Talk is cheap. Show me