以下损失各自意味着什么？ （在TensorFlow对象检测API中，同时训练基于FasterRCNN的模型）
损耗/ BoxClassifierLoss / classification_loss / MUL_1
损耗/ BoxClassifierLoss / localization_loss / MUL_1
损耗/ RPNLoss / localization_loss / MUL_1
损耗/ RPNLoss / objectness_loss / MUL_1
clone_loss_1
答案 0 :(得分：10)
地区提案网络的损失：
丢失/ RPNLoss / localization_loss / mul_1 ：RPN的本地化丢失或边界框回归丢失
丢失/ RPNLoss / objectness_loss / mul_1 ：如果边界框是感兴趣的对象或背景，则分类的丢失
最终分类器的损失：
损失/ BoxClassifierLoss / classification_loss / mul_1 ：将检测到的对象分类为各种类别的丢失：猫，狗，飞机等
损失/ BoxClassifierLoss / localization_loss / mul_1 ：本地化丢失或边界框回归的丢失
答案 1 :(得分：3)
clone_loss_1仅在您训练多个GPU时才有意义：Tensorflow会创建模型的克隆，以便在每个GPU上进行训练，并报告每个克隆的丢失情况。如果您在单个GPU / CPU上训练模型，那么您将看到clone_loss_1，它与TotalLoss相同。
其他损失如Rohit's answer中所述。
答案 2 :(得分：0)
如果使用较快的rcnn网络，将会遇到四种损失
1.RPN丢失/本地化丢失 如果我们看到了更快的rcnn的体系结构，我们将使用cnn来获得重新申请。为了从特征图中获取区域建议，我们具有损失函数。这是所生成锚点的边界框的本地化损失。'
2.RPN丢失/对象丢失 这也是在提取区域建议时是否在锚框中存在对象的情况。
3.BOX_CLASSIFIERLOSS / CLASSIFICATION_LOSS 这是对象属于狗还是猫的最后一层？
4.BOX_CLASSIFIERLOSS / LOCALIZATION_LOSS 这也是对象边界框的最后一层。 （猫和狗的坐标）