文章目录
SmoothL1->IoU->GIoU->DIoU->CIoU Loss
SmoothL1
由微软rgb大神在Fast RCNN论文提出
设x为 真实值与预测值之间的差
-
L 1 _ L O S S = ∣ x ∣ L1\_LOSS = |x| L1_LOSS=∣x∣
缺点:
1) L 1 _ L O S S L1\_LOSS L1_LOSS损失函数在0处不可导;
2) L 1 _ L O S S L1\_LOSS L1_LOSS对x的导数为常数,在训练后期,x很小时,如果learning rate 不变,损失函数会在稳定值附近波动,很难收敛到更高的精度。 -
L 2 _ L O S S = ∣ x ∣ 2 L2\_LOSS = |x|^2 L2_LOSS