在Keras中编写自定义MSE丢失功能

Question

我试图在Keras中创建一个对ConvNet进行去噪的图像，我想创建自己的损失函数。我希望它将噪声图像作为输入并将噪声作为输出。这种丢失功能非常类似于MSE丢失，但这将使我的网络学会去除干净的图像而不是输入噪声图像中的噪声。

我想用嘈杂的图像实现的损失函数，x干净的图像和R（y）预测的图像：

我已经尝试自己制作，但我不知道如何让丢失的图像因为它一直在变化而失访。

def residual_loss(noisy_img):
  def loss(y_true, y_pred):
    return np.mean(np.square(y_pred - (noisy_img - y_true), axis=-1)
return loss

基本上，我需要做的是这样的事情：

input_img = Input(shape=(None,None,3))

c1 = Convolution2D(64, (3, 3))(input_img)
a1 = Activation('relu')(c1)

c2 = Convolution2D(64, (3, 3))(a1)
a2 = Activation('relu')(c2)

c3 = Convolution2D(64, (3, 3))(a2)
a3 = Activation('relu')(c3)

c4 = Convolution2D(64, (3, 3))(a3)
a4 = Activation('relu')(c4)

c5 = Convolution2D(3, (3, 3))(a4)
out = Activation('relu')(c5)

model = Model(input_img, out)
model.compile(optimizer='adam', loss=residual_loss(input_img))

但如果我试试这个，我会得到：

 IndexError: tuple index out of range

我该怎么办？

Answer 1

因为使用＆＃34;输入＆＃34;这是非常不寻常的。在损失函数中（它不是那个意思），我认为值得一说：

损失函数的作用不是分离噪音。 损失函数只是衡量你离你有多远的衡量标准＆＃34;。

您的模型会将内容分开，您希望模型得到的结果为y_true。

您应该定期使用X_training = noisy images和Y_training = noises。

那说......

您可以在损失功能之外为noisy_img创建张量并保存。损失函数内的所有操作都必须是张量函数，因此请使用keras backend：

import keras.backend as K

noisy_img = K.variable(X_training) #you must do this for each bach

但是你必须考虑批量大小，这个var在损失函数之外需要你只需要每个时期一批。

def loss(y_true,y_pred):
    return K.mean(K.square(y_pred-y_true) - K.square(y_true-noisy_img))

每个时期训练一批：

for batch in range(0,totalSamples,size):
    noisy_img = K.variable(X_training[batch:size])
    model.fit(X_training[batch:size],Y_training[batch:size], batch_size=size)

仅使用均方误差，按照以下方式整理数据：

originalImages = loadYourImages() #without noises
Y_training = createRandomNoises() #without images

X_training = addNoiseToImages(originalImages,Y_training)

现在你只需使用＆＃34; mse＆＃34;或任何其他内置损失。

model.fit(X_training,Y_training,....)