我的机器学习支线「损失函数」

语义分割

语义分割结合了图像分类、目标检测和图像分割,通过一定的方法将图像分割成具有一定语义含义的区域块,并识别出每个区域块的语义类别,实现从底层到高层的语义推理过程,最终得到一幅具有逐像素语义标注的分割图像。设计损失函数想要达到的目标是损失与梯度同步变化,求导自变量定义为神经网络的最后一层带权重层的输出。当学习率恒定时,希望当预测结果远离真实值时,损失大,梯度大;当预测结果靠近真实值时,损失小,梯度小

交叉熵损失

最常用损失函数是像素级别的交叉熵损失 (cross entropy loss,ce),逐个检查每个像素,将对每个像素类别的预测结果(概率分布向量)与热编码标签向量进行比较

假设我们需要对每个像素的预测类别有 我的机器学习支线「损失函数」 个,则预测的概率分布向量长度也为 我的机器学习支线「损失函数」

图片

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
青葱年少的头像青葱年少普通用户
上一篇 2022年5月25日
下一篇 2022年5月25日

相关推荐