![d46149412d90361deed1008871f7a64c.png](https://i-blog.csdnimg.cn/blog_migrate/26ab09b1aac17b9c708a520bc5ea6648.jpeg)
No.1: MSE(Mean Squared Error)
公式:
![70b53c1af64b4a2f7151d02bdaa4fe93.png](https://i-blog.csdnimg.cn/blog_migrate/e69e15354efd968e03566c0a1164341d.jpeg)
以单个样本举例:假设a=σ(z), where z=wx+b
利用SGD算法优化损失函数,通过梯度下降法改变参数从而最小化损失函数:
链式原则对两个参数权重和偏置进行求偏导:
![61cfebddd297e6478d097fb26473d6f1.png](https://i-blog.csdnimg.cn/blog_migrate/0df4c7e8a6fabc66b85b9474606ace26.jpeg)
MSE作为像素级的损失函数,只考虑了像素之前的差距,而并没有考虑整张图像的特征分布,比如在图像超分辨率任务中,可能得到很高的PSNR值,但是并不符合我们人的视觉高观,细节纹理很多信息都被破坏了。
那我觉得关键问题是如何把图像原始特征分布考虑进去呢?我反正