Yolov1
Yolov1是Yolo 系列的开山之作，论文中给出了具体的损失函数。
其思想本质也极为简单暴力，把目标检测问题看成是一个回归问题，
坐标，宽高，分类，置信度（有目标置信度，没有目标置信度）损失都采用SSE损失函数，一顿狂怼，依赖平台算力把目标检测出来，没有什么特别的技巧。。
其输出向量形式为7 * 7 * （2 * 5 + 20） = 7 * 7 * 30
损失函数定义如下：
Yolov2
Yolov2是Yolov1的升级版，
- 使用K-mean聚类的方法产生anchor box的数目，聚类采用1—IOU（box，centriod）作为距离度量，然后在模型复杂度和召回率之间作了一个权衡，确定了K=5。
此外，Yolov1是基于单元格进行预测，所以一个单元格只能预测一个目标。yoloV2每个单元格有5个anchor box,且单元格编码方式改变了，编码基于单元格的anchor bo一个单元格可以同时预测多个类别。 - 所有卷积层都应用BN，加快收敛和减少过拟合。
- 输入多尺度训练（因为只有卷积层和Pooling层，可以随时改变尺寸，每10epoch改变一次输入尺寸）。
- feature map网格划分是 13 * 13，其输出向量编码形式是 13 * 13 * 5 * （C + 5） ，得到更精细的特征，适应小目标检测。
Yolov2的损失函数跟Yolov1差别不大，唯一的差别就是关于bbox的w和h的损失去掉了根号，作者认为根号没有必要，即
Yolosv3
Yolov3 采用了类FPN的特征融合的思想，将深层的语义特征和浅层的细节特征进行融合，是预测精度得到进一步提升。
- YOLO3延续Yolov2聚类得到先验框的这种方法，为每种下采样尺度设定3种先验框，总共聚类出9种尺寸的先验框。在COCO数据集这9个先验框是：(10x13)，(16x30)，(33x23)，(30x61)，(62x45)，(59x119)，(116x90)，(156x198)，(373x326)。
- 对象分类由softmax改成logistic。预测对象类别时不使用softmax，类别分数执行 softmax 操作的前提是类别是互斥的，改成使用logistic的输出进行预测。这样能够支持多标签对象（比如一个人有Woman 和 Person两个标签），
- 多尺度密集预测。对于一个416416的输入图像，在每个尺度的特征图的每个网格设置3个先验框，总共有 13 * 13 * 3 + 26* 26 * 3 + 52* 52 * 3 = 10647 个预测。每一个预测是一个(4+1+80)=85维向量，这个85维向量包含边框坐标（4个数值），边框置信度（1个数值），对象类别的概率（对于COCO数据集，有80种对象）。
对比一下，YOLO2采用13 * 13 * 5 = 845个预测，YOLO3的尝试预测边框数量增加了10多倍，而且是在不同分辨率上进行，所以mAP以及对小物体的检测效果有一定的提升。 - 采用残差结构，形成更深的网络层次，以及多尺度检测，提升了mAP及小物体检测效果。
损失函数分为x/y损失，w/h损失，置信度损失，类别损失。
a）xy loss
xy_loss = object_mask * box_loss_scale * K.binary_crossentropy(raw_true_xy, raw_pred[..., 0:2], from_logits=True)
可以看出，是一个binary_crossentropy损失。
b）wh损失
wh_loss = object_mask * box_loss_scale * 0.5 * K.square(raw_true_wh - raw_pred[..., 2:4])
是一个方差。
c）置信度损失
confidence_loss = object_mask * K.binary_crossentropy(object_mask, raw_pred[..., 4:5], from_logits=True) + (1 - object_mask) * K.binary_crossentropy(object_mask, raw_pred[..., 4:5], from_logits=True) * ignore_mask
用的是sigmoid函数代替softmax来计算概率分布，损失函数采用采用的是二分类交叉熵。
d）最后，对loss进行简单的加总求和取均值
xy_loss = K.sum(xy_loss) / mf
wh_loss = K.sum(wh_loss) / mf
confidence_loss = K.sum(confidence_loss) / mf
class_loss = K.sum(class_loss) / mf
loss += xy_loss + wh_loss + confidence_loss + class_loss
