Anchor Free系列模型11

最新推荐文章于 2024-10-02 10:53:34 发布

SealedHeart

最新推荐文章于 2024-10-02 10:53:34 发布

阅读量501

点赞数

分类专栏：笔记文章标签： batch python 深度学习

本文链接：https://blog.csdn.net/j98548/article/details/122182426

版权

本文详细解析了CenterNet模型在训练过程中的损失函数计算，包括transpose_and_gather_feature函数的用途，以及hmap、reg和wh损失的计算代码。通过对hmap_loss和reg_loss的调用分析，阐述了正负样本在损失函数中的作用。

摘要由CSDN通过智能技术生成

2021SC@SDUSC
CenterNet之loss计算代码解析（接上文）
代码解析
来自train.py中第173行开始进行loss计算：

# 得到heat map, reg, wh 三个变量
hmap, regs, w_h_ = zip(*outputs)

regs = [
_tranpose_and_gather_feature(r, batch['inds']) for r in regs
]
w_h_ = [
_tranpose_and_gather_feature(r, batch['inds']) for r in w_h_
]

# 分别计算loss
hmap_loss = _neg_loss(hmap, batch['hmap'])
reg_loss = _reg_loss(regs, batch['regs'], batch['ind_masks'])
w_h_loss = _reg_loss(w_h_, batch['w_h_'], batch['ind_masks'])

# 进行loss加权，得到最终loss
loss = hmap_loss + 1 * reg_loss + 0.1 * w_h_loss