边框回归的损失函数_分类损失函数,边框回归损失函数
(1)交叉熵损失函数
蔡杰:简单的交叉熵,你真的懂了吗?zhuanlan.zhihu.com
1.1信息量
一条信息的信息量大小和他的不确定性有很大的关系,需要很多外部信息才能确定的信息,我们称之为这计划的信息量很大。
我们将事件x0的信息量定义如下,(其中p(x0)表示事件x0发生的概率:则信息量定义为:
1.2熵的概念
信息量是针对单个事件来说的,但是一件事有多种发生的可能,掷色子可能就有六种情况发生。因此熵表示的的是随机变量不确定的度量,是对所有可能事件产生的信息量的期望。
二分类的时候,只有两种情况:
1.3相对熵
相对熵又被称为KL散度,用于衡量同一随机变量x的p(x)和q(x)两个分布差异,其中p(x) 描述样本的真实分布,q(x)描述的是预测的分布,在网络的学习的过程中q(x)需要不断的去学习来拟合准确的p(x)的分布。
其中KL的值越小表示两个分布越接近
1.4交叉熵
1.5使用交叉熵而不用平方差
当使用sigmoid做为激活函数的时候,平方差损失函数有时不能满足误差越大,权值调整越快,,但是交叉熵损失函数却可以很好的满足这一点
(2)smooth_L1损失函数
作者:尹相楠
链接:https://www.zhihu.com/question/58200555/answer/621174180
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
为了从两个方面限制梯度:
- 当预测框与 ground truth 差别过大时,梯度值不至于过大;
- 当预测框与 ground truth 差别很小时,梯度值足够小。
考察如下几种损失函数,其中
损失函数对
观察 (4),当
根据方程 (5),
最后观察 (6),
由图中可以看出,它在远离坐标原点处,图像和
边框回归的损失函数_分类损失函数,边框回归损失函数相关推荐
- k均值的损失函数_机器学习:手撕 cross-entropy 损失函数
1.前言 cross-entropy loss function 是在机器学习中比较常见的一种损失函数.在不同的深度学习框架中,均有相关的实现.但实现的细节有很多区别.本文尝试理解下 cross-en ...
- r语言logistic回归_R语言多分类logistic逻辑回归模型在混合分布模拟单个风险损失值评估的应用...
原文链接 :http://tecdat.cn/?p=14017tecdat.cn 通常,我们在回归模型中一直说的一句话是" 请查看一下数据 ". 在上一篇文章中,我们没有查看数据 ...
- r 多元有序logistic回归_R语言多分类logistic逻辑回归模型在混合分布模拟单个风险损失值评估的应用...
原文链接 拓端数据科技 / Welcome to tecdattecdat.cn 通常,我们在回归模型中一直说的一句话是" 请查看一下数据 ". 在上一篇文章中,我们没有查看数据 ...
- logit回归模型假设_机器学习基础---逻辑回归(假设函数与线性回归不同)
一:分类 (一)分类基础 在分类问题中,你要预测的变量y是离散的值,我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法,这是目前最流行使用最广泛的一种学习算法. 在分类问题 ...
- python 最小二乘回归 高斯核_最经典的回归模型参数估计算法—最小二乘
首先,我们要明白最小二乘估计是个什么东西?说的直白一点,当我们确定了一组数的模型之后,然后想通过最小二乘的办法来确定模型的参数.举个两变量(一个自变量.一个因变量)线性回归的例子来说明一下,如下面所示 ...
- 边框回归的损失函数_一文搞懂常用的七种损失函数
主要内容: 0-1, Hinge, Logistic, Cross Entropy, Square, Absolute, Huber 简述: 损失函数刻画了模型与训练样本的匹配程度. 分类损失 分类L ...
- 【动手学深度学习】Softmax 回归 + 损失函数 + 图片分类数据集
学习资料: 09 Softmax 回归 + 损失函数 + 图片分类数据集[动手学深度学习v2]_哔哩哔哩_bilibili torchvision.transforms.ToTensor详解 | 使用 ...
- sigmoid函数求导_交叉熵损失函数的求导(Logistic回归)
目录 前言 交叉熵损失函数 交叉熵损失函数的求导 前言 最近有遇到些同学找我讨论sigmoid训练多标签或者用在目标检测中的问题,我想写一些他们的东西,想到以前的博客里躺着这篇文章(2015年读研时机 ...
- 逻辑回归(LR实则分类)的损失函数
原文链接:https://blog.csdn.net/CTTACM/article/details/91472794 逻辑回归是在线性函数的基础上,经过激活函数后产生的0~1之间的概率值. 设x为特征 ...
最新文章
- 漫画 | 没有一个程序员能拒绝这样的女朋友
- ActiveMQ学习笔记(二) JMS与Spring
- 201602021344_《Javascript柯里化uncurrying()(将内置方法独立成为一个通用方法)》
- 百度 71个炸天的开源项目,你知道几个?
- Redis.conf常见配置介绍
- SAP ABAP SQL的execution plan和cache
- Android点击EditText文本框之外任何地方隐藏键盘的解决办法
- sweetalert2不相应回车_你还不知道的SketchUp建模小技能
- oracle报错注入的一些函数
- 练习题︱ python 协同过滤ALS模型实现:商品推荐 + 用户人群放大
- oracle load data infile
- Webx3 学习笔记
- 从 GitHub 上手动安装python包教程
- NOI2014--起床困难症
- 通过Jquery实现文本高亮及取消高亮
- Cortex M4 SVC 中断
- 布尔运算(Boolean Operators)
- 第2章 变量、数据类型、运算符
- 浅谈无线测温在35kV高压开关柜中的应用
- Python网络编程自动化(HCIA)
热门文章
- android 快速亮暗屏_Android 亮屏,暗屏
- java 基本类型 引用_java中 引用类型 和 基本类型 有何区别?
- javascript实现面向对象的继承
- linux编写运行shell程序,Linux的Shell编程运行Shell程序的方法有哪些呢?
- 小程序开发学习(1)---app.json详解篇
- win10关闭windows聚焦_Win10优化:这8个操作简单的小方法让你的Win10系统更加流畅...
- IDEA中配置Maven环境
- 2020年国家电网计算机类考纲,终于发布!详解2020届国家电网考试大纲,带你读懂考纲变化!...
- 『数据库』无聊到爆炸的数据库文章--数据库的安全性
- Nginx出现403 forbidden