上下文：使用CNN在图像中定位对象。存在由类C1和C2表示的两种对象。 CNN的输出是6个节点，即C1，C2，x，y，w，h。其中，如果类别为C2，则[C1，C2] = [0,1]，如果类别为C1，则为[1,0]。 x，y表示包围对象的包围盒的中心，w，h表示包围盒的宽度和高度。
问题：现在，我一直在尝试计算softmax交叉熵损失分类（即在C1，C2节点上），并在x，y，w和h节点上使用L2损失。我面临的问题是，一种损失在另一种损失中占主导地位，并且赋予他们权衡以平衡彼此的影响的效果不是很好。谁能建议一个兼顾分类和本地化的良好损失函数。
注意： 1.图像中始终有物体。 2.我尝试了yolo损耗，并正在研究人们可能发现对这种应用有用的其他损耗。