Neural network 对于YOLO损失函数，为了获得项1objij的值，需要进行什么计算？

我试图了解如何计算带圆圈的项的值，需要比较哪些输入/输出

让我们以第一个术语为例，如果我理解正确，它是这样的：

假设我对第一个单元格、第一个边界框（yolov1=2 bbs）的预测值为

我真正的价值观是

[pr, x, y, W, H]
[1, 0.6, 0.4, 0.2, 0.2]

这意味着公式是这样的

5*（1或0）（（0.6-0.5）^2+（0.4-0.3）^2）

是否有人可以提供一个逐步确定1或0的指标的示例

我们是否正在查看培训集图像中的标签？ 我们在看预测的客观分数吗？ 借据

根据YOLO的论文：

1objij：表示单元i中的第j个边界框预测器为 对这一预测“负责”

1对象：表示对象是否出现在单元格i中

但这句话并不能帮我回答我的问题。。。

---

任何帮助都将不胜感激。

据我所知，每个网格单元，2个盒子

box1 = [.7, 0.5, 0.3, 0.1, 0.1]
box2 = [1, 0.61, 0.41, 0.21, 0.21]

显然

IOU(box2,ground-truth box) > IOU(box1,ground-truth box)

当我们计算损失时，我们不考虑BOX1，也就是说

1objij(i=0,j=0) = 0
1objij(i=0,j=1) = 1

---

1objij

是

0

或

1

：

• 如果训练数据中的单元格为空，则始终为

  0

  ，在您的示例中，如果训练数据中的

  pr

  值为

  0

  。注意：在训练数据中，

  pr

  的值为

  0

  或

  1

  ，此值不可能有其他值
• 如果在

  pr

  的训练数据中存在

  1

  ，则它还取决于预测边界框的

  IoU

  ，以及基本事实。Yolo预测每个单元格的

  B

  边界框，最高的

  IoU

  边界框对应的

  1objij

  的值是

  1

  对于所有其他边界框预测，它是

  0

我们是否正在查看培训集图像中的标签？我们在看预测的客观分数吗？借据

• 当我试图回答

  1objij

  时，它使用了来自训练数据的

  pr

  ，以及来自预测和训练数据的

  IoU

• 1obji

  仅使用来自培训数据的

  pr

1objij(i=0,j=0) = 0
1objij(i=0,j=1) = 1