如何为Keras模型编写条件自定义丢失函数

Question

我正在尝试构建一个可以对Dog Faces进行地标检测的模型 - 如果有狗脸，则提取眼睛和鼻子的x / y坐标，否则告诉我没有狗脸。

我希望我的输出张量大小为7：

• 输出[0] - 是狗脸存在与否的概率
• 输出[1] /输出[2] - 左眼的x / y
• 输出[3] /输出[4] - 右眼的x / y
• 输出[5] /输出[6] - 鼻子的x / y

我无法弄清楚如何编写一个类似于此的自定义丢失函数：

# This is largely pseudo-code!
def custom_l1_loss(y_true, y_pred):
  if y_true[0] == 1:
    # Probability that there's a dog face = 1
    return K.sum(K.abs(y_pred[1:] - y_true[1:]), axis=-1)
  else:
    # Only return the difference in probabilities that a dog face is present
    return y_true[0] - y_pred[0]

问题：有没有人在Keras写过类似的条件损失函数？

Answer 1

您可以提取列[0]并将其用作掩码，如下面的代码所示，以便将条件损失计算简化为一行计算。

def custom_l1_loss(y_true, y_pred):

    y_true_present = y_true[...,0:1]
    y_pred_present = y_pred[...,0:1]

    loss = K.sum(y_true_present*K.abs(y_pred[...,1:] - y_true[...,1:]),axis=-1)+ K.sum((1-y_true_present)*K.abs(y_true_present-y_pred_present),axis=-1)

    return loss