Loss Function的修改启发

对于Multi-Box的交叉熵损失函数(cross-entropy loss function)为下：

tk为训练集标签{0,1}，ck为预测的分数[0,1]，

对于标签缺失的数据集，tk=0，ck=1，损失函数的得到数值比较大，因此缺失标签影响网络的训练。

减少缺失标签问题的影响，修改损失函数为：

使用β并在tk项中添加 (1-β)ck 减少预测分数ck为1时的惩罚，这样在上述情况，惩罚函数减小。