docs(loss): multi_part loss实现

Author: zjZSTU

docs/定义YOLO_v1模型.md renamed to docs/YOLO模型.md

@@ -1,5 +1,5 @@
 
-# 定义YOLO_v1模型
+# YOLO模型
 
 论文给出了一个`24`层卷积的`CNN`模型
 

docs/imgs/loss.png

@@ -0,0 +1,23 @@
+
+# 损失函数
+
+## 定义
+
+为了有效训练`YOLO`模型，论文提供了一个`Multi-Part Loss`：
+
+![](./imgs/loss.png)
+
+* $\lambda_{coord} = 5$
+* $\lambda_{noobj} = 0.5$
+
+对于真值边界框而言，其置信度为$1$，对应的类别概率为$\hat{p_{i}}(c) = 1$
+
+## 实现
+
+对于网格内不存在目标，或者不属于`IoU`最大的预测边界框而言，其损失计算仅为
+
+$$
+loss = \lambda_{noobj}\sum_{i=0}^{S^{2}}\sum_{j=0}^{B} 1_{ij}^{noobj} (C_{i} - \hat{C_{i}})^{2}
+$$
+
+相关实现文件：`py/lib/models/multi_part_loss.py`

docs/损失函数.md

@@ -32,5 +32,6 @@ nav:
     - Home: index.md
     - 架构解析: '架构解析.md'
     - 数据集: '数据集.md'
-    - 定义YOLO_v1模型: '定义YOLO_v1模型.md'
+    - YOLO模型: 'YOLO模型.md'
+    - 损失函数: '损失函数.md'
     - log: log.md