deep-learning - 损失之间的权衡?
问题描述
我一直在做一个超分辨率的任务。我有一个关于确定损失函数的问题,所以在手头的任务中,我想用 SSIM 作为损失函数来训练我的模型。我确实得到了很好的结果。最近我遇到了感知损失函数,我们在其中比较了预训练模型如何看待地面实况(GT)图像和超分辨率(SR)图像(模型生成的图像)。我的问题是,我正在考虑同时使用 ((1-SSIM(SR,GT))+Perceptual loss(SR,GT)) 损失进行反向传播,那么我应该在这两种损失之间使用权衡参数吗?如果是这样,我该如何设置这些权衡参数?或者我应该以相同的权重添加这些损失。
PS:感知损失是通过从预训练模型中找到 GT 和 SR 图像的特征图之间的 SSIM 来计算的
解决方案
推荐阅读
- swift - SwiftUI @ObservedObect 视图模型索引超出范围
- c - C中的二进制计数带有一个按钮
- nginx - nginx 负载均衡器没有将请求传播到所有服务器。仅在 2
- c++ - 调用存储在 std::any 中的对象的成员函数
- java - 根据 JAVA 中的特定键、值对将大 JSON 分解为单独的小 JSON
- python - 使用 seaborn 绘制预先分组的线数据
- flutter - Flutter bloc 库和高性能架构
- uwp - 最近更新后无法从 Xbox 商店下载应用程序
- java - Quartz Scheduler 如何在运行作业时处理意外的服务器崩溃或错误
- c - 编译除了 -o 之外没有标志的 C 代码