SSD源码解读——损失函数的构建
之前，对SSD的论文进行了解读，可以回顾之前的博客：https://www.cnblogs.com/dengshunge/p/11665929.html。 为了加深对SSD的理解，因此对SSD的源码进行了复现，主要参考的github项目是ssd.pytorch。同时，我自己对该项目增加了大量注释 ...
原文：『TensorFlow』SSD源码学习_其七：损失函数
Fork版本项目地址：SSD 一 损失函数介绍 SSD损失函数分为两个部分：对应搜索框的位置loss loc 和类别置信度loss conf 。 搜索框指网络生成的网格 详细的说明如下： i指代搜索框序号，j指代真实框序号，p指代类别序号，p 表示背景， 中取 表示此时第i个搜索框和第j个类别框IOU大于阈值，此时真实框中对象类别为p。 cip表示第i个搜索框对应类别p的预测概率。 二 分类损失函 ...
2018-07-23 19:12 3 8644 推荐指数：
相关推荐
『TensorFlow』SSD源码学习_其六：标签整理
Fork版本项目地址：SSD 一、输入标签生成 在数据预处理之后，图片、类别、真实框格式较为原始，不能够直接作为损失函数的输入标签（ssd向前网络只需要图像就行，这里的处理主要需要满足loss的计算），对于一张图片（三维CHW）我们需要如下格式的数据作为损失函数标签： gclasse ...
『TensorFlow』SSD源码学习_其八：网络训练
Fork版本项目地址：SSD 作者使用了分布式训练的写法，这使得训练部分代码异常臃肿，我给出了部分注释。我对于多机分布式并不很熟，而且不是重点，所以不过多介绍，简单的给出一点训练中作者的优化手段，包含优化器选择之类的。 一、滑动平均 # =================================================================== ...
『TensorFlow』SSD源码学习_其二：基于VGG的SSD网络前向架构
Fork版本项目地址：SSD 参考自集智专栏 一、SSD基础 在分类器基础之上想要识别物体，实质就是 用分类器扫描整张图像，定位特征位置 。这里的关键就是用什么算法扫描，比如可以将图片分成若干网格，用分类器一个格子、一个格子扫描，这种方法有几个问题： 问题1 ： 目标正好 ...
深度学习TensorFlow笔记——损失函数
1.损失函数---------经典损失函数--------交叉熵：交叉熵刻画了两个概率分布之间的距离，它是分类问题中使用比较广的一种损失函数。通过q来表示p的交叉熵为： Softmax将神经网络前向传播得到的结果变成概率分布，原始神经网络的输出被用作置信度来生成新的输出，而新的输出满足 ...
tensorflow 基础学习三：损失函数讲解
交叉熵损失： 给定两个概率分布p和q，通过q来表示p的交叉熵为： 从上述公式可以看出交叉熵函数是不对称的，即H(p,q)不等于H（q,p)。 交叉熵刻画的是两个概率分布之间的距离，它表示通过概率分布q来表示概率分布p的困难程度。所以使用交叉熵作为 神经网络的损失函数时，p代表的是正确答案 ...
TensorFlow里面损失函数
损失算法的选取 损失函数的选取取决于输入标签数据的类型： 如果输入的是实数、无界的值，损失函数使用平方差； 如果输入标签是位矢量（分类标志），使用交叉熵会更适合。 1．均值平方差 在TensorFlow没有单独的MSE函数，不过由于公式比较简单，往往开发者都会 ...
『TensorFlow』SSD源码学习_其三：锚框生成
Fork版本项目地址：SSD 上一节中我们定义了vgg_300的网络结构，实际使用中还需要匹配SSD另一关键组件：被选取特征层的搜索网格。在项目中，vgg_300网络和网格生成都被统一进一个class中，我们从class SSDNet开始谈起。 一、初始化class SSDNet 这是 ...