时间戳

首页 > 解决方案 > YOLO 的损失函数

tensorflow - YOLO 的损失函数

问题描述

我可以将这个损失函数用于 YOLO

    def myLoss(y_actual,y_pred):
        a = tf.keras.losses.BinaryCrossentropy()(y_actual[:,:,:,0],y_pred[:,:,:,0])
        b = tf.keras.losses.MeanSquaredError()(y_actual[:,:,:,1:], y_pred[:,:,:,1:]*y_actual[:,:,:,:1])
      
    
        loss= a + b 
        return loss

其中y_actual = [Pc,bx,by,bw,bh,c1,c2,c3]
pc = c1,c2,c3 之一存在于特定网格中的概率，
bx,by,bw,bh 是 a 的边界框参数特定的网格，
c1,c2,c3 是我要预测的 3 个类，例如：3 类的 0,0,1

我在某处读到，当 Pc_actual=0 时，损失不关心边界框和类预测，因此我将它们与 Pc_actual 相乘，这样当 pc_actual 为 0 时，对应于这些项的损失为 0。

如果我错了请纠正我

标签： tensorflowkerasdeep-learningloss-functionyolo

解决方案

当Pc_actual=0损失不关心边界框和类预测时，你是对的，但它关心结果，Pc_pred因为你需要模型来学习它，所以当Pc_actual=0损失函数应该在(Pc_actual - Pc_pred)**2预测模型时惩罚模型时是一个对象，而没有对象。

推荐阅读