- LCFCN是一个以分割网络为基础的专用于计数的网络.
- LCFCN模型由于loss的特殊性 batch size 目前只能为1
- LCFCN代码 https://github.com/ElementAI/LCFCN
![](https://i-blog.csdnimg.cn/blog_migrate/f7a31d287ba12fdbcea8ff4016549cab.jpeg)
核心概念loss 介绍
该网络的核心概念是loss,主干网络就是传统的Encoder-Decoder结构的分割网络。LCFCN的loss由四部分组成,分别是Image-level loss、Point-level loss、Split-level loss、False positive loss。
Image-level loss
图像水平的loss公式如下所示,其中 C e C_e Ce为图片中出现的类别集合,包括背景类。对于 C e C_e Ce中的每一类,该loss鼓励模型输出至少有一个像素点被预测为该类。 ¬ C e \neg C_e ¬Ce表示图像中没有出现过的类别,该loss会降低任意像素点被预测为该类的概率。 t c = a r g m a x i ∈ I t_c=argmax_{i \in I} tc=ar