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)?
解决方案
推荐阅读
- r - 当 x 发生在具有 x 的分类数据的日期表时,如何从日期表中转换 tibble
- android - 如何设置应用内购买(非消耗品)?
- angular - ng服务后如何自动使浏览器打开localhost?
- .net-core - 带有 SSL 的 ASPNET Core 2.1 WebAPI 自托管
- android - 如何从字节数组中获取文件扩展名?
- excel - 我可以在 Excel 中没有 VBA 的情况下循环每个单元格吗?
- mysql - 无法从 SQL Server 迁移助手连接到 MySQL 服务器
- r - vcdExtra::datasets 不适用于某些包
- python - NumPy 一般布尔索引混淆
- java - 关于类中的类的 OOP 相关问题