有句话说“把知识讲的农妇都能听懂，那才是真的懂了”
本人小白，毕设正在做基于yolov3的目标检测系统研究，在网上找了一万遍，基本没有靠谱的损失函数，全是假的或者旧版本的，害人不浅，最后终于找到一个靠谱的。本人花了两天好不容易在源码中找到了其位置并对应上，源码超级零散，各种调用，创作者用的变量定义也不知道是不是故意的，竟然有好几个重名，还没有注释，弄得我差点拉裤。
为了避免各位同学不再重蹈覆辙，现将正经八本的损失函数奉上：
入obj是该cell中存在物体时就是1，否则就是0
看不清的脚标是：r
注意：源码里的变量和图中的完全不一样，让人头大
一共分为三大块相加：坐标做损失（中心坐标xy和宽高wh放在一起了？）+类做损失（class）+置信度做损失（conf）
个人理解：wx+b→sigmod函数激活，添加非线性成分来归一化？→预测值predict→SSE→LOSS
其实就是偏差的平方和（SSE），每一块都是，然后加起来，找它的最小值，就是最小loss，效果才能最好。
这个是用SSE有平方，构造的损失函数，还可以改成我用的TSE（引用的参考文献），或者把平方换成绝对值（抗干扰性更好），还可能用平方和绝对值混合的计算方法（弹性损失，我不会），不一定哪个效果更好，得试。
由于我也是小白，可能有些地方打问号不太确定，理解的也不是很到位，还请大家多多指正
参考文献：
吕铄,蔡烜,冯瑞.基于改进损失函数的YOLOv3网络.计算机系统应用,2019,28(2):1-7
LYU Shuo,CAI Xuan,FENG Rui.YOLOv3 Network Based on Improved Loss Function.COMPUTER SYSTEMS APPLICATIONS,2019,28(2):1-7
</div>
有句话说“把知识讲的农妇都能听懂，那才是真的懂了”
本人小白，毕设正在做基于yolov3的目标检测系统研究，在网上找了一万遍，基本没有靠谱的损失函数，全是假的或者旧版本的，害人不浅，最后终于找到一个靠谱的。本人花了两天好不容易在源码中找到了其位置并对应上，源码超级零散，各种调用，创作者用的变量定义也不知道是不是故意的，竟然有好几个重名，还没有注释，弄得我差点拉裤。
为了避免各位同学不再重蹈覆辙，现将正经八本的损失函数奉上：
入obj是该cell中存在物体时就是1，否则就是0
看不清的脚标是：r
注意：源码里的变量和图中的完全不一样，让人头大
一共分为三大块相加：坐标做损失（中心坐标xy和宽高wh放在一起了？）+类做损失（class）+置信度做损失（conf）
个人理解：wx+b→sigmod函数激活，添加非线性成分来归一化？→预测值predict→SSE→LOSS
其实就是偏差的平方和（SSE），每一块都是，然后加起来，找它的最小值，就是最小loss，效果才能最好。
这个是用SSE有平方，构造的损失函数，还可以改成我用的TSE（引用的参考文献），或者把平方换成绝对值（抗干扰性更好），还可能用平方和绝对值混合的计算方法（弹性损失，我不会），不一定哪个效果更好，得试。
由于我也是小白，可能有些地方打问号不太确定，理解的也不是很到位，还请大家多多指正
参考文献：
吕铄,蔡烜,冯瑞.基于改进损失函数的YOLOv3网络.计算机系统应用,2019,28(2):1-7
LYU Shuo,CAI Xuan,FENG Rui.YOLOv3 Network Based on Improved Loss Function.COMPUTER SYSTEMS APPLICATIONS,2019,28(2):1-7
</div>
来源：CSDN
作者：flying_ant2018
链接：https://blog.csdn.net/flying_ant2018/article/details/104471731