MacKendy的博客

nms作用于目标检测模型中，从众多感兴趣的区域中筛选出最优的结果。如R-CNN系列的目标检测，数千个ROI(region of interes感兴趣区域)经过模型的计算后，仍输出了不少的bounding box（后简称bbox）。实际上，图像中的目标寥寥无几，nms就是从bbox中提取每个目标最可信的结果。非极大值抑制，顾名思义，就是对置信度并非最大的bbox进行抑制（或进行排除），只留...

据pytorch的官方文档，torch.nn.functional里的cross_entropy是基于log_softmax和nll_loss实现的。没关系，通过最简单的torch原函数复现，可以较深理解当中的原理。import torchdef my_cross_entropy(input, target, reduction="mean"): # input.shape: torch...

1.先说结论nn.BCEWithLogitsLoss等于nn.BCELoss+nn.Sigmoid。主要用于二分类问题，多标签分类问题。图为Pytorch Document对于BCEWithLogitsLoss的描述，这个损失函数结合了Sigmoid和BCELoss。2.公式分解BCEWithLogitsLoss假设有N个batch，每个batch预测n个标签，则Loss为：Loss={l1,...,lN}, ln=−[yn⋅log⁡(σ(xn))+(1−yn)⋅log⁡(1−

1. 先说结论nn.CrossEntropyLoss（简称CEL）等于nn.NLLLoss（简称NLL）+torch.log+F.softmax主要用于多分类问题的损失计算。图为Pytorch对于CEL的描述，这个criterion（指标）结合了nn.LogSoftmax()和nn.NLLLoss()nn.LogSoftmax()其实也就是torch.log+F.softmax2.CrossEntropyLoss(CEL)公式分解CEL(x,class)=−log(exp⁡(x[class])