Loss Function的修改启发

对于Multi-Box的交叉熵损失函数(cross-entropy loss function)为下:


tk为训练集标签{0,1},ck为预测的分数[0,1],

对于标签缺失的数据集,tk=0,ck=1,损失函数的得到数值比较大,因此缺失标签影响网络的训练。

减少缺失标签问题的影响,修改损失函数为:


使用β并在tk项中添加 (1-β)ck 减少预测分数ck为1时的惩罚,这样在上述情况,惩罚函数减小。


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值