当有很多输出时使用哪个损失函数？

Question

类似于1000 x 1像素图像的数据来自设备。图像中的某个位置可能是1个，2个或更多个对象。

我将建立一个神经网络来检测物体。我想做1,000个输出。每个输出将指示该输出中是否存在对象。 告诉我要使用哪个损失函数。

在我看来，“分类交叉熵”不合适，因为例如：在训练数据中，我将指示对象位于10和90像素处。而且神经网络将预测对象分别为11和89像素。这不是很大的损失。但是对于网络而言，损失将与预测500和900像素的物体一样。

哪种损失函数适合这种情况？ 我正在使用Keras

Answer 1

在对象检测中，我们主要有两个任务-定位和分类。因此，对于两个任务，我们有两个损失-一个是本地化，另一个是分类损失。它是使用IoU（联合的交集）计算的。 更多详细信息here.

Answer 2

您可以使用二进制交叉熵损失，并将最接近的n-bin设置为地面真实值作为标签。

例如，您有10个像素，地面真实标签为3，并且选择了3个邻居。

在典型的分类交叉熵中，您将使用一键编码矢量将标签设置为以下。

[0 0 1 0 0 0 0 0 0 0]

在我建议的解决方案中，您将使用此

[0 1 1 1 0 0 0 0 0 0]

也可以是这种情况，基本上是采用高斯而不是平面标签。

[0 0.5 1 0.5 0 0 0 0 0 0]

---

注释中建议的

对象检测架构在本质上也与我描述的方式相同。除了使用量化方案之外

[0 1 0 0 0 0 0 0 0]（实际像素）

[--1----0--]（分为2组，每组5个。您的网络现在只有两个输出。将其视为合并阶段，因为实际像素属于组1。此子网使用二元交叉熵）。

[1 0]（第一分类网络输出）

[-1 0]（第二阶段可以看作是增量网络，它从第一阶段获取分类的bin值并输出校正值，因为第一个bin锚定在索引2上，因此您需要预测- 1，将其移至索引1。使用平滑的l1损失对该网络进行训练。

现在立即出现问题，如果第1组中有两个对象怎么办？这是一个不幸的问题，在对象检测体系结构中也存在。解决此问题的方法是定义稍微移位和缩放的bin（或锚）位置。这样，您最多可以检测N个对象的一个​​像素，其中N是在该像素处定义的锚点数。

Answer 3

如Siddharth所述，您将使用两个损失函数，因为您有回归问题和分类问题。有关更多详细信息，请参见https://www.youtube.com/watch?v=GSwYGkTfOKk。特别要注意这张幻灯片：

也就是说，第一个任务只是对对象是否存在进行分类（逻辑回归损失），而第二个任务找到边界框（平方误差损失）。