计算机视觉中的常用损失函数

常用的计算机视觉中的损失函数有：

• 均方差损失（Mean Squared Error, MSE）： 公式：MSE = 1/n * Σ(y-ŷ)² 原理：计算预测值与真实值之间的差距的平方的平均值，用于回归任务。 PyTorch代码实现：

loss = nn.MSELoss()
output = model(input)
loss_value = loss(output, target)

• 交叉熵损失（Cross Entropy Loss）： 公式：CE = -Σ(y*log(ŷ)) 原理：衡量目标类别与预测类别之间的差异，用于多分类任务。通常与softmax激活函数一起使用。 PyTorch代码实现：

loss = nn.CrossEntropyLoss()
output = model(input)
loss_value = loss(output, target)

• IOU损失（Intersection over Union, IOU）： 公式：IOU = (A ∩ B) / (A ∪ B) 原理：计算预测框和真实框之间的交并比，用于目标检测任务。 PyTorch代码实现：

def iou_loss(pred_boxes, target_boxes):
    pred_area = (pred_boxes[..., 2] - pred_boxes[...,