目标检测之Loss:FasterRCNN中的SmoothL1Loss
多任务损失(来自Fast R-CNN)
multi-task数据结构
Fast R-CNN网络有两个同级输出层(cls score和bbox_prdict层),都是全连接层,称为multi-task。
① clsscore层:用于分类,输出k+1维数组p,表示属于k类和背景的概率。对每个RoI(Region of Interesting)输出离散型概率分布
通常,p由k+1类的全连接层利用softmax计算得出。
② bbox_prdict层:用于调整候选区域位置,输出bounding box回归的位移,输出4*K维数组t,表示分别属于k类时,应该平移缩放的参数。
k表示类别的索引,是指相对于object proposal尺度不变的平移,
是指对数空间中相对于object proposal的高与宽。
loss_cls层评估分类损失函数。由真实分类u对应的概率决定:
loss_bbox评估检测框定位的损失函数。比较真实分类对应的预测平移缩放参数和
真实平移缩放参数为的差别:
其中,smooth L1损失函数为:
smooth L1损失函数曲线如下图9所示,作者这样设置的目的是想让loss对于离群点更加鲁棒,相比于L2损失函数,其对离群点、异常值(outlier)不敏感,可控制梯度的量级使训练时不容易跑飞。
图9 smoothL1损失函数曲线
最后总损失为(两者加权和,如果分类为背景则不考虑定位损失):
规定u=0为背景类(也就是负标签),那么艾弗森括号指数函数[u≥1]表示背景候选区域即负样本不参与回归损失,不需要对候选区域进行回归操作。λ控制分类损失和回归损失的平衡。Fast R-CNN论文中,所有实验λ=1。
艾弗森括号指数函数为:
源码中bbox_loss_weights用于标记每一个bbox是否属于某一个类。
Faster R-CNN损失函数
遵循multi-task loss定义,最小化目标函数,FasterR-CNN中对一个图像的函数定义为:
其中:
其实我个人理解就是softmaxLoss后面加了一个SmoothL1Loss函数,梯度求导就是softmaxLoss和SmoothL1Loss的分阶段的梯度求导! 其中softmax的详细推导请见上一篇Blog
目标检测之Loss:FasterRCNN中的SmoothL1Loss相关推荐
- 目标检测-损失函数Loss
文章目录 前言 范数损失函数 IOU损失函数 IOU loss (2016) GIOU loss (2019) DIOU loss (2020) CIOU loss (2020) EIOU loss ...
- CV:基于Keras利用训练好的hdf5模型进行目标检测实现输出模型中的脸部表情或性别的gradcam(可视化)
CV:基于Keras利用训练好的hdf5模型进行目标检测实现输出模型中的脸部表情或性别的gradcam(可视化) 目录 设计思路 核心代码 设计思路 核心代码 #CV:基于keras利用训练好的hdf ...
- 深度学习目标检测在实际场景中的应用(附源代码)
关注并星标 从此不迷路 计算机视觉研究院 公众号ID|ComputerVisionGzq 学习群|扫码在主页获取加入方式 计算机视觉研究院专栏 作者:Edison_G 目标检测是现在最热门的研究课题, ...
- 目标检测--Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection ICCV2017 https://arxiv.org/abs/1708.02002 本文算是用简单的方法解决复杂的问题了,好 ...
- 【目标检测系列】CNN中的目标多尺度处理方法
关注上方"深度学习技术前沿",选择"星标公众号", 技术干货,第一时间送达! [导读]本篇博文我们一起来讨论总结一下目标检测任务中用来处理目标多尺度的一些算法. ...
- yolov3 指定gpu_GPU端到端目标检测YOLOV3全过程(中)
GPU端到端目标检测YOLOV3全过程(中) 计算机视觉初级部分知识体系 总结了一下自己在 图像点(pixel值)运算 1. 直方图: 2. 线性/非线性变换: 3. 灰度均衡化/规定化: 4.H-S ...
- 目标检测YOLO实战应用案例100讲-智能目标检测系统在FPGA中的设计与实现
目录 基于FPGA的目标检测系统的设计与实现 深度学习硬件加速技术研究现状 相关理论与技术概述
- 【深度学习】计算机视觉目标检测 RCNN Fast-RCNN Faster-RCNN
希望能一文让人回忆起曾经学习过的知识吧,工作后注重工程落地,反倒是丢了很多模型细节知识. 近来也发现疫情让大家更卷了,大家疫情在家估计更有精力去创作吧. 比如:https://space.bilibi ...
- 目标检测损失函数Loss大盘点
L2, L1, smooth L1 L2 loss, L1 loss, Smooth L1 loss smooth L1 loss 相对于 L2 loss的优点: 当预测框与 ground truth ...
最新文章
- 科学史上那些盛极一时的“著名理论”是如何被攻破的?
- ZendStudio中,缺少gbk gb2312编码的解决办法
- python3.7下载安装教程-CentOS 7 下 安装 Python3.7
- mysql获取用户名_mysql-LEFT JOIN 3列获取用户名
- mysql版本号超买_MySQL处理高并发,防止库存超卖
- python中利用opencv对图片进行缩放
- 【Tomcat】安装Tomcat服务器Tomcat的目录结构
- Linux查看依赖属于哪个软件包
- html5在线制作教程,HTML5 Canvas 制作动画
- python安装后如何使用-python如何安装下载后的模块
- python3 使用sorted 实现倒序
- opencv task3------答题卡识别
- 《蜗居》的经典台词(转载)二
- 6,Java毕向东百度云盘
- 在服务器 和 虚拟机中 查看代码 samba source insight
- 2016 计蒜之道 初赛 第二场 联想公司的 logo 设计(计蒜客)
- 十大人文科技类图书(转)
- 戴仁光:神奇的推广力量——软文
- 华为路由器负载均衡_华为路由器配置利用NAT实现TCP负载均衡
- Python环境配置与数据处理