YOLOv8-训练流程-损失函数

目录

一、概述

二、损失函数

(1) 类别分类损失

(2) 边框回归损失

  DFL loss:

    Ciou Loss:

---

代码下载链接：https://download.youkuaiyun.com/download/weixin_40723264/88011324

一、概述

（1）

    通过YOLOv8-训练流程-正负样本分配的介绍，我们可以知道，经过预处理与筛选的过程得到最终的训练数据：

    a. 网络输出值：pred_scores[bx8400xcls_num]、pred_bboxes[bx8400x4]

    b. 训练标签值：

        target_scores[bx8400xcls_num](one-hot类型)，在计算损失时与预测结果pred_scores[bx8400xcls_num]，计算交叉熵损失，该损失是对每个类别计算BCE Loss，因为类别预测采用的sigmoid分类器。

        target_bboxes[bx8400x4](target_bboxes需要缩放到特征图尺度，即除以相应的stride)，在计算损失时，分别与预测的pred_bboxes计算Ciou Loss, 同时与pred_regs(预测的anchors中心点到各边的距离)计算回归DFL Loss。

    c. 训练mask值：fg_mask [bx8400]，对8400个anchor进行正负样本标记，计算损失过程中通过fg_mask筛选正负样本。

二、损失函数

(1) 类别分类损失

    在yolov8中，类别损失最终采用的是交叉熵损失，该方法是我们非常熟知的，不再赘述。

    代码如下：