FasterRCNN模型损失——pytorch实现

论文传送门：Faster R-CNN: Towards Real-Time ObjectDetection with Region Proposal Networks、Fast R-CNN

FasterRCNN的损失：

①RPN损失：根据anchor和RPN输出的scores和regs计算所得，使网络更好的根据scores和regs对anchor进行调整，得到proposals。
RPN损失由分类损失$L_{cls}$和回归损失$L_{reg}$构成，$L_{cls}$使用BCE损失函数计算，$L_{reg}$使用smooth L1损失函数计算。

式中，$N_{cls}$代表选取anchor样本数，设为512，$N_{reg}$为anchor的位置个数，约为2400，$\lambda$取10，从而对公式进行简化，将两个损失的系数项去掉。
②RCNN损失：根据proposals和Head输出的scores和regs计算所得，使网络更好的根据scores和regs对proposals进行调整，得到最终的cls和bbox。
RCNN损失由分类损失$L_{cls}$和回归损失$L_{loc}$构成，$L_{cls}$使用CE损失函数计算，$L_{loc}$