caffe：对回归感到困惑

Question

我想向你解释一个非常奇怪的问题。我不确定这是否是SO的主题，但我希望最终会这样。

我的一般问题任务是深度估计，即我有一个图像作为输入及其对应的ground_truth（深度图像）。然后我有我的网（应该被认为是黑盒子）和我的最后一层。

首先，深度估算是一个回归任务，而不是一个分类任务。因此，我决定使用EuclideanLoss图层，其中我的num_output图层的Convolution为1 - ＆gt;输出为1xheightxwidth。净收敛，最后的损失值为3。当我尝试使用deploy.prototxt创建估算的输出图像时，我会移除EuclideanLoss图层。然后我的las层是ReLU层，如下所示：

layer {
    name: "relu"
    type: "ReLU"
    bottom: "conv"
    top: "result"
    relu_param{
    negative_slope: 0.01
        engine: CUDNN
    }
}

我的问题是：估计的深度图像看起来不像我的ground_truth。好吧，首先，听起来有点像是的，你有一个网，它不起作用。但是当我将我的任务变成一个不太适合这种方法的分类任务时，我会得到非常好的结果。通过将其更改为分类任务，我的意思是将EculideanLoss图层与SoftmaxLayer进行交换而不是num_output = 1在最后Convolution图层中{I}} num_output = 256 {1}}深度值，其中0为黑色，1为白色。

我真的很困惑，因为回归任务在理论上应该比分类任务更好。任何人都可以帮我解决这个问题吗？我的想法有什么大错吗？或者我是否忘记了对回归真正重要的事情？

任何答案都非常感谢！