Charbonnier Loss
最近在做一些图像生成的相关任务,看到了有些论文用Charbonnier Loss来近似 损失来提高模型的性能,这里就对论文中提到的Charbonnier Loss做一个梳理。
Charbonnier Loss的表达式如下所示:
首先参考以下这篇超分辨领域的论文《Fast and Accurate Image Super-Resolution with Deep Laplacian Pyramid Networks》:
http://xxx.itp.ac.cn/pdf/1710.01992xxx.itp.ac.cn/pdf/1710.01992
下面截取文章中几处提到该损失函数优点的地方。
translation:我们证明了所提出的具有鲁棒 Charbonnier 损失函数的深度网络可以更好地处理异常值,比L2 损失函数提高 SR 性能。
最后按照惯例给出函数的代码,其实也很简单:
class L1_Charbonnier_loss(torch.nn.Module):"""L1 Charbonnierloss."""def __init__(self):super(L1_Charbonnier_loss, self).__init__()self.eps = 1e-6def forward(self, X, Y):diff = torch.add(X, -Y)error = torch.sqrt(diff * diff + self.eps)loss = torch.mean(error)return loss
损失函数
我们舍弃了L2和L1这两种损失函数,因为他们都会造成图像过于平滑的问题,缺乏感官上的照片真实感,我们采用的损失函数是一个很稳定的损失函数 Charbonnier loss function,总体的函数我直接截图了,论文中也并没有提及这个损失函数为什么好用,感兴趣的可以去翻这个损失函数的论文。
优点可能是曲线更平滑了,接近零点的值的梯度由于常数西普斯隆的存在,梯度也不会太小,避免梯度消失;远离零点的值的梯度由于开方,梯度也不会太大,避免梯度爆炸。不太准确,主观分析了一波
Charbonnier Loss相关推荐
- (SRNTT)Image Super-Resolution by Neural Texture Transfer
总结一波: 与TTSR有很多相似之处,SRNTT可以看成是TTSR的前身,其中除了网络设计不同外,损失函数SRNTT比TTSR多了一个纹理损失(与以往的工作不同,我们添加了纹理损失来考虑文纹理上的一致 ...
- Uformer: A General U-Shaped Transformerfor Image Restoration
目录 (1)Encoder (2)Bottleneck stage(图一,最下面的两个LeWin Transformer blocks) (3)Decoder LeWin Transformer Bl ...
- 【论文笔记】Learning Enriched Features for Real Image Restoration and Enhancement
Learning Enriched Features for Real Image Restoration and Enhancement Abstract Contribution Method(M ...
- Learning Enriched Features for Real Image Restoration and Enhancement Paddle模型复现93号(1)
Evaluation Image Denoising 图像去噪 的Testing on SIDD dataset.Testing on DND dataset Image Super-resoluti ...
- LiteFlowNet:用于光流估计的轻量级卷积神经网络
LiteFlowNet:用于光流估计的轻量级卷积神经网络 原文链接 摘要 FlowNet2 [14] 是用于光流估计的最先进的卷积神经网络 (CNN),需要超过 160M 的参数才能实现准确的流估 ...
- EDVR: Video Restoration with Enhanced Deformable Convolutional Networks阅读笔记
EDVR: Video Restoration with Enhanced Deformable Convolutional Networks EDVR:基于增强可变形卷积网络的视频恢复 论文:htt ...
- 图像超分辨率——LapSRN2017
论文地址:http://vllab.ucmerced.edu/wlai24/LapSRN/papers/cvpr17_LapSRN.pdf 开源代码:https://github.com/phoeni ...
- BasicVSR论文阅读笔记
BasicVSR & IconVSR BasicVSR 阅读笔记 摘要 简介 相关工作 方法 BasicVSR Propagation(传播) Alignment Aggregation an ...
- Multi-Stage Feature Fusion Network for Video Super-Resolution阅读笔记
Multi-Stage Feature Fusion Network for Video Super-Resolution 用于视频超分辨率的多级特征融合网络 论文:Multi-Stage Featu ...
最新文章
- Directx11教程(6) 画一个简单的三角形(2)
- 初学__Python——Python的流程控制语句 if、for、while
- 征战蓝桥 —— 2014年第五届 —— C/C++A组第6题——扑克排序
- c#发送邮件,可发送多个附件
- LG显示将在坡州工厂为iPhone 14 Pro Max生产120Hz刷新率屏幕
- c++并发编程基础(一):并发、并行域多线程
- 「代码随想录」123.买卖股票的最佳时机III【动态规划】力扣详解!
- B站视频缓存 音频和视频批量合并
- 回答阿里云实名认证常见问题
- 海龟绘图简易教程|Turtle for Python
- Cesium 两点之间的直线距离
- 生信分析、数据库网站集合
- HTML5之placeholder属性
- 惠普HP LaserJet P2035 打印机驱动
- 基于Flash播放器的P2P直播解决方案
- Java核心编程总结(三、多态与内部类),java就业班百度网盘
- 气泡元素素材推荐 精品 小众
- 学习LabVIEW应看的几本书
- keepass+ keepasshttp实现自动填充密码和账号
- 电子商务15条营销方式汇总