perceptual loss(感知loss)介绍

1.介绍

    在讲感知损失函数之前，我们先讲一下，网络所提取到的特征代表什么，在下图中，layer1,layer2学到的是边缘，颜色，亮度等底层的特征；layer3开始变得复杂，学到的是纹理的特征，Layer4则学到的是一些有区别性的特征，Layer5学到的特征是比较完整的，具有辨别性的关键特征。可以知道CNN学习到的特征逐渐抽象到更高级别上。

   

    那么感知损失函数和这个有什么关系呢？

    它是将真实图片卷积得到的feature（一般是用vgg16或者vgg19来提取）与生成图片卷积得到的feature作比较（一般用MSE损失函数），使得高层信息（内容和全局结构）接近，也就是感知的意思。

 

2.作用

    1）在超分中，因为我们经常使用MSE损失函数，会导致输出图片比较平滑（丢掉了细节部分/高频部分），因此适当选择某个层输出的特征输入感知损失函数是可以增强细节。

    2）在风格转移中，我们用一个感知损失函数来训练我们的图像转换网络能让输出非常接近目标图像y，但并不是让他们做到完全的匹配