为什么Faster R-CNN中描述的损失函数会收敛？我的实现匹配吗？

Question

我正在尝试为我正在研究的项目从Faster R-CNN构建RPN的实现。我一直在使用某些代码形式here，并尝试遵循paper。为了限制此问题的范围，我将仅着眼于RPN分类部分的缺失。

在本文中，他们使用对数丢失。在我的实现中，我使用二进制交叉熵。尝试使用最小大小为256的小批量数据来平衡正负值，从而使此功能最小化。

在培训期间，我注意到损失的减少非常迅速。我调查并意识到它正在迅速学习猜测图像的角落。图像批号永远不会包含在迷你批处理中。因此，通过最大化拐角的概率，它可以规避损失函数。进一步阅读后，我意识到我不明白为什么此损失函数起作用。

我已经建立了神经网络和一系列将(224, 224, 3)图像映射到(14, 14, 9, 2)的函数（注意：image_height / stride = 14，anchor_sizes * anchor_shapes = 9）。最后一维中的成对点分别对应于有效性（是否是我的样本的一部分？）和奇偶校验（正锚或负锚）。

我的损失函数如下：

loss = lambda_rpn_class * K.sum(y_true[...,0] * 
        K.binary_crossentropy(y_true[...,1], y_pred[:,:,:,:,0]))
                            / K.sum(epsilon + y_true[...,0])

y_true.shape = (?, 14, 14, 9, 2)和y_pred.shape = (?, 14, 14, 9, 1)所在的位置。我正在尝试通过关闭无效样品的损失来模拟迷你批次。

您能帮我理解为什么本文中的损失函数在理论上起作用吗？我的方法与本文相符时是否存在逻辑问题？还是可以假设还有其他情况？