Question

现在我正在尝试使用神经网络对图像进行着色。我想在HSV色彩空间中做到这一点。这个问题是色调通道是循环的。色调的标准化值介于0和1之间。例如，模型预测为0.99，但实际色调为0.01。通过正常的均方误差丢失，这看起来很遥远。然而距离实际上更像是0.02。如何在keras中获得循环丢失函数？

Answer 1

从预测的色调A到实际色调B的真实距离实际上是3个词的最小值：

(A - B)^2（距离如果你没有环绕）
(A - B + 1)^2（如果你环绕左边的距离）
(A - B - 1)^2（如果你绕右转，距离）

例如，在您的示例中，从A = 0.99到B = 0.01的最短路径是向右环绕，距离为(A - B - 1)^2 = (0.99 - 0.01 - 1)^2 = (-0.02)^2 = 0.02^2。

现在我们已经计算出数学，我们如何实现它？ Keras的implementation均方误差为：

from keras import backend as K

def mean_squared_error(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

这是使其循环的调整：

def cyclic_mean_squared_error(y_true, y_pred):
    return K.mean(K.minimum(K.square(y_pred - y_true), 
                            K.minimum(K.square(y_pred - y_true + 1), 
                                      K.square(y_pred - y_true - 1)), axis=-1)

要使用此损失功能，请在编译模型时指定loss=cyclic_mean_squared_error。

Keras，循环输出的成本函数？

1 个答案: