CNN的Mse和Mae太低了

Question

我目前正在从事人群密度图估算项目。我正在研究的论文在IUML上。

这是整体网络结构的样子 enter image description here

我已经尝试在Keras上实现此功能，并在回归输出的1x1卷积之前添加一个额外的上采样，以确保预测的图像大小与地面真相/标签相同。

但是，我的损失（欧几里得距离）非常低，在第一个时期为0.1623，MSE为1.0188e-6。

现在，地面真相（密度图）是一张图像，其值的范围从大约6.25e-12到大约0.001。其背后的想法是将高斯模糊（总计为1）应用于图像上的每个头部，因此对图像求和可得出图像内的估计人数。但是，（我猜）由于这些极低的值，网络被预测为零输出，从而减少了损耗，MAE和MSE。我已经证实了这一点，并且确实可以预测出全黑图像。预测输出中像素值的总和也为0。有什么办法可以解决？

我尝试过的事情：

• 裁剪原始图像和地面真实情况的补丁（224 x 224），翻转以获取原始数据集大小的大约8倍。
• 随心所欲地学习。
• 使用L2内核正则化器。
• 将输入图像归一化为介于0到1之间。

任何帮助将不胜感激！