YOLO V1损失函数理解：

                                                                                 （结构图）

首先是理论部分，YOLO网络的实现这里就不赘述，这里主要解析YOLO损失函数这一部分。

损失函数分为三个部分：

代表cell中含有真实物体的中心。 pr（object） = 1

① 坐标误差

 为什么宽和高要带根号？？？

对不同大小的bbox预测中，相比于大bbox预测偏一点，小box预测偏一点更不能忍受。作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width

（主要为了平衡小目标检测预测的偏移）

② IOU误差（很多人不知道代表什么）

其实这里的分别表示 1  和 0       =   

③ 分类误差

这个很容易理解（激活函数的输出）。

 

下面给出TensorFlow的Loss代码：

1     def loss_layer(self,predicts,labels,scope='loss'): 2         ''' predicts的shape是[batch,7*7*(20+5*2)] 3             labels的shape是[batch,7,7,(5+20)] 4             ''' 5         with tf.variable_scope(scope): 6             #预测种类，boxes置信度，boxes坐标[x_center,y_center,w,h],坐标都除以image_size归一化,中心点坐标为偏移量， 7             #w,h归一化后又开方，目的是使变化更平缓 8             predict_classes=tf.reshape(predicts[:,:self.boundary1], 9                                       [self.batch_size,self.cell_size,self.cell_size,self.num_classes])10             predict_scales=tf.reshape(predicts[:,self.boundary1:self.boundary2],11                                      [self.batch_size,self.cell_size,self.cell_size,self.box_per_cell])12             predict_boxes=tf.reshape(predicts[:,self.boundary2:],13                                     [self.batch_size,self.cell_size,self.cell_size,self.box_per_cell,4])14             #是否有目标的置信度15             response=tf.reshape(labels[:,:,:,0],16                                [self.batch_size,self.cell_size,self.cell_size,1])17             #boxes坐标处理变成[batch,7,7,2,4],两个box最终只选一个最高的，为了使预测更准确18             boxes=tf.reshape(labels[:,:,:,1:5],19                             [self.batch_size,self.cell_size,self.cell_size,1,4])20             boxes=tf.tile(boxes,[1,1,1,self.box_per_cell,1])/self.image_size21             classes=labels[:,:,:,5:]22             #offset形如[[[0,0],[1,1]...[6,6]],[[0,0]...[6,6]]...]与偏移量x相加23             #offset转置形如[[0,0,[0,0]...],[[1,1],[1,1]...],[[6,6]...]]与偏移量y相加24             #组成中心点坐标shpe[batch,7,7,2]是归一化后的值25             offset=tf.constant(self.offset,dtype=tf.float32)26             offset=tf.reshape(offset,[1,self.cell_size,self.cell_size,self.box_per_cell])27             offset=tf.tile(offset,[self.batch_size,1,1,1])28             29             predict_boxes_tran=tf.stack([(predict_boxes[:,:,:,:,0]+offset)/self.cell_size,30                                        (predict_boxes[:,:,:,:,1]+tf.transpose(offset,(0,2,1,3)))/self.cell_size,31                                         tf.square(predict_boxes[:,:,:,:,2]),32                                          tf.square(predict_boxes[:,:,:,:,3])],axis=-1)33             #iou的shape是[batch,7,7,2]34             iou_predict_truth=self.cal_iou(predict_boxes_tran,boxes)35             #两个预选框中iou最大的36             object_mask=tf.reduce_max(iou_predict_truth,3,keep_dims=True)37             #真实图中有预选框，并且值在两个预选框中最大的遮罩38             object_mask=tf.cast((iou_predict_truth>=object_mask),tf.float32)*response39             #无预选框遮罩40             noobject_mask=tf.ones_like(object_mask,dtype=tf.float32)-object_mask41             #真实boxes的偏移量42             boxes_tran=tf.stack([boxes[:,:,:,:,0]*self.cell_size-offset,43                                 boxes[:,:,:,:,1]*self.cell_size-tf.transpose(offset,(0,2,1,3)),44                                 tf.sqrt(boxes[:,:,:,:,2]),45                                 tf.sqrt(boxes[:,:,:,:,3])],axis=-1) #=================================================================================================================================46             #分类损失47             class_delta=response*(predict_classes-classes)48             class_loss=tf.reduce_mean(tf.reduce_sum(tf.square(class_delta),axis=[1,2,3]),name='clss_loss')*self.class_scale49             #有目标损失（IOU）50             object_delta=object_mask*(predict_scales-iou_predict_truth)   #这里iou_predict_truth应该为151             object_loss=tf.reduce_mean(tf.reduce_sum(tf.square(object_delta),axis=[1,2,3]),name='object_loss')*self.object_scale52             #无目标损失（IOU）53             noobject_delta=noobject_mask*predict_scales                     #这里减054             noobject_loss=tf.reduce_mean(tf.reduce_sum(tf.square(noobject_delta),axis=[1,2,3]),name='noobject_loss')*self.no_object_scale55             #选框损失（坐标）56             coord_mask=tf.expand_dims(object_mask,4)57             boxes_delta=coord_mask*(predict_boxes-boxes_tran)58             coord_loss=tf.reduce_mean(tf.reduce_sum(tf.square(boxes_delta),axis=[1,2,3,4]),name='coord_loss')*self.coord_scale59             tf.losses.add_loss(class_loss)60             tf.losses.add_loss(object_loss)61             tf.losses.add_loss(noobject_loss)62             tf.losses.add_loss(coord_loss)

 YOLO V2：

 

YOLO V3：

 

YOLOv3不使用Softmax对每个框进行分类，而使用多个logistic分类器，因为Softmax不适用于多标签分类，用独立的多个logistic分类器准确率也不会下降。

分类损失采用binary cross-entropy loss.