计算机视觉中的常用损失函数

最新推荐文章于 2025-03-27 15:49:33 发布

原创

最新推荐文章于 2025-03-27 15:49:33 发布 · 420 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #人工智能

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[..., 0]) * (pred_boxes[..., 3] - pred_boxes[..., 1])
    target_area = (target_boxes[..., 2] - target_boxes[..., 0]) * (target_boxes[..., 3] - target_boxes[..., 1])
    
    x1 = torch.max(pred