2.4.7 损失函数的构建

基于YOLO和YOLOv2的概念可以构建网络优化损失函数L，使用引入的多部分损失，将L_yolo定义为平方误差的和，通过欧拉回归L_Euler扩展此方法以利用复数。该复数可被应用于进行角度比较的封闭数学空间。

损失函数的欧拉回归部分是借助于ERP定义的。假设预测的复数与真实情况之间存在差异，即和始终位于具有|z|=1和=1的单位圆上，便可最小化平方误差的绝对值以获得实际损失：

式中，λ_coord是确保最初阶段能稳定收敛的比例因子，而则表示与预测的真实情况相比，单元格i中的第j个边界框预测因子具有最高的交并比（IoU）。

代码2-3 损失函数的构建

使用网络设计的主要优点在于，在一次推理中能预测所有的边界框。E-RPN是网络的一部分，其使用最后一个卷积层的输出来预测所有的边界框。如果只有一个网络，则无须使用特定的训练方法，即可以端到端的方式进行训练。因此，和其他模型相比，该模型的运行时间较短，而其他模型则以滑动窗口的方式生成区域提议，并预测每个提议的集合及其类别。