Doraemon_Zzn的博客

smooth L1损失函数主要用来回归2D or 3D 的BBOX。 smooth L1 loss能从两个方面限制梯度： 当预测框与 ground truth 差别过大时，梯度值不至于过大； 当预测框与 ground truth 差别很小时，梯度值足够小。 如下： 对x进行求导 可以看到x比较小的时候，smooth L1的梯度也很小。然而，x比较大的时候，对x的梯度的绝对值上限就是1，很好控制了网络参数，避免梯度爆炸。 参考 faster RCNN 和 SSD 中为什么用smooth L1 loss，和

wiki上的解释