關於YOLO的損失函數，採用sum-squared error整合localization error（bboxes的座標誤差）和classification error，如果這兩者的權值一致，會導致模型不穩定，訓練發散。其中classification error包括兩部分，一部分是沒有包含object的box的confidence loss權值，另一部分則是有包含object的box的confidence loss權值。因此在損失函數計算的過程中，將提高localization error 的權值，降低沒有包含object的box的confidence loss的權重。至於有包含object的box，它的confidence loss始終爲1。
直接上圖吧。
loss函數是分爲三個部分的，即座標預測，也就是我們上面所說的localization error，一部分是box的confidence預測，還有一部分是來自於類別的預測，後兩部分就是classification error。