自定义损失函数_实例讲解Keras自定义multi-loss函数

本文以复现论文《Fine-Grained Head Pose Estimation Without Keypoints》为例说明如何使用Tensorflow & Keras自定义 multi-loss 函数。

论文地址：

https://arxiv.org/abs/1710.00925

复现代码：

https://github.com/Oreobird/tf-keras-deep-head-pose

一、原理简述

论文提出了一种无需人脸关键点的人脸头部姿态估计算法，通过训练一个multi-loss的卷积神经网络，该网络结合了分类和回归两种目标函数来预测3个人脸头部姿态角度(yaw，pitch 和 roll)，网络结构比较简单，以ResNet50作为主干网络提取特征，然后分别对3个角度进行分类和回归，属于多输出模型，结构如下图所示：

二、计算细节

(1)角度的分类定义

角度属于连续值，怎么转换为分类问题呢？作者使用了分箱的思想，将连续的角度值在[-99, 99]的范围内以 3 为间隔划分为66个区间，也就是66个类，如下图的例子，类别标签从0开始，-94度落在了第 1 类的范围内，所以分为第1类。