默认情况下,trainYOLOv2ObjectDetector功能预处理培训图像：

当使用表指定训练数据时，trainYOLOv2ObjectDetector函数执行数据增强以进行预处理。该函数通过以下方式扩展输入数据集:

当您使用数据存储指定训练数据时，trainYOLOv2ObjectDetector功能不执行数据增强。相反，您可以使用该培训数据在数据存储中增强变换函数，然后用增强后的训练数据对网络进行训练。有关如何在使用数据存储时应用扩展的更多信息，请参见将扩充应用到数据存储中的训练数据(深度学习工具箱)．

在培训期间，YOLO V2对象检测网络优化了预测边界框和地面真理之间的MSE损耗。损失函数定义为

$$\begin{array}{l}{\mathrm{K.}}_1{\displaystyle \underset{\mathrm{一世}=0.}{\overset{{\mathrm{S.}}^2}{\sum }}{\displaystyle \underset{j=0.}{\overset{\mathrm{B.}}{\sum }}{1}_{\mathrm{一世}j}^{\mathrm{O.}\mathrm{B.}j}\left[{（X_{\mathrm{一世}}-{\hat{X}}_{\mathrm{一世}}）}^2+{（y_{\mathrm{一世}}-{\hat{y}}_{\mathrm{一世}}）}^2\right]}}\\ +{\mathrm{K.}}_1{\displaystyle \underset{\mathrm{一世}=0.}{\overset{{\mathrm{S.}}^2}{\sum }}{\displaystyle \underset{j=0.}{\overset{\mathrm{B.}}{\sum }}{1}_{\mathrm{一世}j}^{\mathrm{O.}\mathrm{B.}j}\left[{（\sqrt{{\mathrm{W.}}_{\mathrm{一世}}}-\sqrt{{\widehat{\mathrm{W.}}}_{\mathrm{一世}}}）}^2+{（\sqrt{H_{\mathrm{一世}}}-\sqrt{{\hat{H}}_{\mathrm{一世}}}）}^2\right]}}\\ +{\mathrm{K.}}_2{\displaystyle \underset{\mathrm{一世}=0.}{\overset{{\mathrm{S.}}^2}{\sum }}{\displaystyle \underset{j=0.}{\overset{\mathrm{B.}}{\sum }}{1}_{\mathrm{一世}j}^{\mathrm{O.}\mathrm{B.}j}{（C_{\mathrm{一世}}-{\hat{C}}_{\mathrm{一世}}）}^2}}\\ +{\mathrm{K.}}_{3.}{\displaystyle \underset{\mathrm{一世}=0.}{\overset{{\mathrm{S.}}^2}{\sum }}{\displaystyle \underset{j=0.}{\overset{\mathrm{B.}}{\sum }}{1}_{\mathrm{一世}j}^{N\mathrm{O.}\mathrm{O.}\mathrm{B.}j}{（C_{\mathrm{一世}}-{\hat{C}}_{\mathrm{一世}}）}^2}}\\ +{\mathrm{K.}}_{4.}{\displaystyle \underset{\mathrm{一世}=0.}{\overset{{\mathrm{S.}}^2}{\sum }}{1}_{\mathrm{一世}}^{\mathrm{O.}\mathrm{B.}j}{\displaystyle \underset{C\in C\mathrm{L.}\mathrm{一种}\mathrm{S.}\mathrm{S.}\mathrm{E.}\mathrm{S.}}{\sum }{（{\mathrm{P.}}_{\mathrm{一世}}（C）-{\widehat{\mathrm{P.}}}_{\mathrm{一世}}（C））}^2}}\end{array}$$

在哪里：

损失函数可以分为三个部分：