请教关于训练loss的设计

[lapvision]

Before Asking

• [x] I have read the README carefully. 我已经仔细阅读了README上的操作指引。

• [ ] I want to train my custom dataset, and I have read the tutorials for training your custom data carefully and organize my dataset correctly; (FYI: We recommand you to apply the config files of xx_finetune.py.) 我想训练自定义数据集，我已经仔细阅读了训练自定义数据的教程，以及按照正确的目录结构存放数据集。（FYI: 我们推荐使用xx_finetune.py等配置文件训练自定义数据集。）

• [X] I have pulled the latest code of main branch to run again and the problem still existed. 我已经拉取了主分支上最新的代码，重新运行之后，问题仍不能解决。

Search before asking

• [X] I have searched the YOLOv6 issues and found no similar questions.

Question

看代码训练loss只有iou_loss+cls_loss，如果要加入负样本(无标注框）的图片抑制部分误检，是否要重新设计loss啊？把之前的那个obj_loss要加上？谢谢！

Additional

No response

[mtjhl]

并不需要，在 cls loss 里面加大负样本的权重也可以抑制 FP。 具体可参考BCEWITHLOGITSLOSS 中的 pos_weight 参数。

[lapvision]

新版本代码里好像都没有用BCEWITHLOGITSLOSS loss = self.loss_weight['class'] loss_cls + self.loss_weight['iou'] loss_iou + self.loss_weight['dfl'] * loss_dfl 其中 loss_cls = self.varifocal_loss(), loss_iou, loss_dfl = self.bbox_loss

[mtjhl]

的确是，如果是要用 pos_weights 参数的话，就得稍微改写一下分类的损失函数，或者手动实现 F.binary_cross_entropy 这个函数，在里面加上 pos_weights 这个参数。