Yolov3损失函数详解YOLOv3损失函数是在YOLOv1和YOLOv2基础上改进得到的，改进的最大的地方是：由于YOLOv3将分类预测改为回归预测，分类损失函数便换成了二值交叉熵损失函数。（1）YOLOv3损失函数组成如下式所示：图片输入到神经网络后会被分成个网格，每个网格产生个候选框，每个候选框会经过网络最终得到相应的bounding box。最终得到个bounding box，那么就需要利用损失函数确定具体的bounding box计算误差更新权重。（2）损失函数参数解读：参数：表示第个网格的第先验框是否负责这个目标物体，如果负责，否则为0。参数置信度：表示真实值，的取值是由网格的bounding box有没有负责预测某个对象决定的，负责，否则为0。（3）损失函数各部分意义解读：中心坐标误差：实际上，神经网络输出的是和，当第个网格的第个先验框负责某一个真实目标时，那么这个先验框所产生的bounding box就应该和真实目标的box比较，计算得到中心坐标误差。宽高坐标误差：实际上，神经网络输出的是和，当第个
