1、Yolov5损失函数分析 

 2、bbox 回归损失

 v5 使用的是 CIoU Loss，后续又优化出EIOU Loss如下所示

论文：Focal and efficient IOU loss for accurate bounding box regression

 3、目标置信度损失

       目标置信度损失由正样本匹配得到的样本对计算，一是预测框中的目标置信度分数 p0，二是预测框和与之对应的目标框的 iou 值piou，其作为 ground-truth。两者计算二进制交叉熵得到最终的目标置信度损失。表示二分类交叉熵损失；表示正样本的权重公式如下：

 4、类别损失

       别损失与置信度损失类似，通过预测框的类别分数和目标框类别的 one-hot 表现来计算类别损失，目标置信度损失和类别损失使用的是带 sigmoid 的二进制交叉熵函数BCEWithLogitsLoss。