关于YOLO的损失函数，采用sum-squared error整合localization error（bboxes的坐标误差）和classification error，如果这两者的权值一致，会导致模型不稳定，训练发散。其中classification error包括两部分，一部分是没有包含object的box的confidence loss权值，另一部分则是有包含object的box的confidence loss权值。因此在损失函数计算的过程中，将提高localization error 的权值，降低没有包含object的box的confidence loss的权重。至于有包含object的box，它的confidence loss始终为1。
直接上图吧。
loss函数是分为三个部分的，即坐标预测，也就是我们上面所说的localization error，一部分是box的confidence预测，还有一部分是来自于类别的预测，后两部分就是classification error。