在分类问题中CE loss 与BCE loss的应用

在做视觉分类问题的过程中有个问题一直困扰着我：
1.CE和BCE 分别是针对何种分类任务？
2.在做具体的任务时如何区别的使用他们？
3.分类标签对于不同的多分类任务，是选择普通标签还是one-hot标签？这和loss选择有关么？

损失函数公式定义区别

由于softmax输出的概率值和为1，网络的优化方向是提升对 y=1 的分类能力，自然其它类别的预测得分就会下降，因此不必担心假阳性的预测得不到改善。

类别间是否互斥问题

在分类问题中，如果遇到类别间不互斥的情况，只能采用“sigmoid+BCE”；

如果遇到类别间互斥的情况（只能有一类胜出），“sigmoid+BCE”化为多个二分类问题与“softmax+CE”直接进行分类都是有被用到的方法。

分类问题的loss使用

经过阅读文章发现，一般二分类多使用 BCE loss，无论是普通标签还是one-hot编码后的标签。

多分类问题又分为但标签多分类和多标签多分类，一般多标签多分类的标签是one-hot形式，使用CE loss。