0
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?
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