Yolov3的损失函数分析

本文详细解析了Yolov3损失函数的计算流程,包括MSE损失、交叉熵损失及置信度计算,阐述了如何从Darknet53的输出计算loss,并通过实例解释了正例和负例的选择过程。

Yolov3的网络架构在网上资源很多,但是关于loss的计算方法,网上的资源相对零散,并且原文作者并没有给出明确的计算公式。因此,本文的目的是梳理一下yolov3损失函数的计算流程。

Yolov3网络结构

在这里插入图片描述
Yolov3采用了Darknet53的backbone(采用了Resnet的残差结构),其输出为3张不同尺度的特征图(采用了SSD的思想)。特征图越小,每个grid cell对应的感受野越大,对应大目标的检测。

拿上图中右下角(255∗13∗13)(255*13*13)(2551313)的特征图为例,13∗1313*131313是特征图大小,255可以拆分为

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值