时间戳

首页 > 解决方案 > 用于比较正数比率的损失函数有哪些？

deep-learning - 用于比较正数比率的损失函数有哪些？

问题描述

我正在训练一个神经网络模型，其任务是估计图像中特定类别对象的“大小”。大小的单位并不重要——我只关心如果对象在图像中“出现”两倍大，那么估计的大小也将是两倍大（或者可能是（2 x 大小）^2 或（2 x size)^3 如果考虑“面积”或“体积”。

为了训练模型，我创建了一批图像，然后调整它们的大小（适度裁剪原始图像，然后调整回原始图像的大小）两次，使用随机裁剪/调整大小因子，s1并且s2. 然后，该模型为图像对生成其大小估计值p1和。p2

如果模型做得很好，那么预测的比率rp = p1/p2应该等于或接近实际比例因子的比率rs = s1/s2。rp因此，我需要一个作为和的函数的损失rs，并且随着这两个比率的值越来越接近，它会给出较低的损失分数。

我的直觉是，这些比率之间的 MSE 可能不是最好的损失函数。也许对数缩放的东西会更好？与此相结合，对于模型的输出层，什么可能是一个好的激活函数？也许是 sigmoid 或指数函数，但最好的选择可能取决于损失函数本身。

在这种情况下，通常使用哪些损失函数（如果有）？

标签： deep-learningcomputer-visionloss-functiongradient-descentnonlinear-optimization

解决方案

推荐阅读