如何在TensorFlow的完全卷積網絡上實現損失？

所以我開始實施Gupta等人的論文「自然圖像中的文本本地化的合成數據」。我遇到了一個嚴重的問題。如何在TensorFlow的完全卷積網絡上實現損失？

網絡架構是一個完全卷積網絡。最後一層基本上是一個NxNx7張量（想象一個矩陣，每個單元有7個值）。每個單元格都具有P和C值。 P是關於應該回歸的邊界框的6個參數，C是置信度。

現在我想在這一層實現平方損失。正如本文所述，最後一層的每個單元都是一個預測，如果確實該預測器的位置應該包含一個邊界框，那麼應該將該損失應用於該預測器（或單元）中的所有參數。如果它不應該包含一個邊界框，那麼只有迴歸置信度C就足夠了。

所以我應該在TensorFlow中動態定義單獨的損失，我該怎麼做？

2017-05-02 alexovits

您可以使用tf.cond，並喜歡寫東西

loss = tf.cond(is_there_sthg_label, lambda: tf.add(loss1, loss2), lambda: loss2)

編輯：

對不起，我沒有正確地理解你的問題。如果存在邊界框，則可以在[i, j]上創建一個大小爲NxN的掩碼，其值爲True（在運行時），否則爲false。然後你計算你都針對每個小區的損失，你得到張量loss1和形狀NxN的loss2，然後

#loss1 is the loss on the confidence only, loss2 is the loss on P 
loss_tensor = loss1 + tf.multiply(loss2, tf.cast(mask, loss2.dtype)) 
total_loss = reduce_sum(loss_tensor)

來源

2017-05-02 16:36:28 gdelab

我能做到這一點迭代（當然如果你的批次仍然工作）？就像取出輸出層的每個單元並決定該單元的損失一樣。 – alexovits

@alexovits我編輯了我的帖子 – gdelab

我會盡快嘗試。感謝這看起來很有希望。這只是瘋狂的，TF有時可能無證。 – alexovits

如何在TensorFlow的完全卷積網絡上實現損失？

回答

相關問題