本文详细解析Faster RCNN在train.py中的损失函数，包括softmax_cross_entropy和smooth_l1_loss。分类loss采用softmax_cross_entropy计算，回归loss使用smooth_l1_loss以解决L1loss的零点不平滑问题。总损失函数结合了这两部分，实现目标检测的优化训练。
部分参考链接：https://blog.csdn.net/l297969586/article/details/78019543
https://blog.csdn.net/u012457308/article/details/79566195
https://blog.csdn.net/mao_xiao_feng/article/details/53382790
Loss（在train.py）
Loss主要分为四部分：RPN和RCNN的分类loss,RPN和RCNN的回归loss。分类loss用softmax_cross_entropy计算，回归loss用smooth_l1_loss计算。
softmax_cross_entropy
先对网络最后一层输出做一个softmax,得出属于某一类的概率，公式为：
然后计算交叉熵，公式为：
最低0.47元/天 解锁文章
扫一扫
324
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
