损失函数
senbinyu
这个作者很懒,什么都没留下…
展开
-
目标检测中的损失函数汇总
和图像分割中将损失函数分为基于分布,基于区域以及基于边界的损失函数不一样,目标检测经常可以认为由2类最基础的损失,分类损失和回归损失而组成。分类损失CE loss,交叉熵损失交叉熵损失,二分类损失(binary CE loss)是它的一种极端情况. 在机器学习部分就有介绍它。如下图所示,y是真实标签,a是预测标签,一般可通过sigmoid,softmax得到,x是样本,n是样本数目,和对数似然等价。focal loss,用改变loss的方式来缓解样本的不平衡,因为改变loss只影响t原创 2020-08-31 05:21:24 · 8180 阅读 · 1 评论 -
图像分割中的损失函数分类和汇总
损失函数是最优化目标的一种代表,大多数情况下,我们无法直接用最优化目标,故用损失函数来替代。因此,如何选择一个损失函数,以让他和最优化目标更为接近显得极为重要。更多文献综述及文献回顾,请参阅:https://github.com/senbinyu/Computer_Vision_Literatures1. Review paper,综述文献推荐Ma et al., 2020, Nanjing University of Science and Technology, Segmentation Los原创 2020-08-26 01:42:07 · 5959 阅读 · 0 评论