0

也许与这个问题有关，但我的目标是让网络对输入图像执行操作并输出结果图像数据。

如果这个问题不清楚，我很乐意在评论中深入研究我的问题的细节。但是，我会尽量不针对具体情况，以便让其他人使用这个问题。

问题

我有大量的训练数据，由建议的操作前后的图像组成。我的问题与如何使用 Caffe 对每个像素进行 1 对 1 训练有关。我的损失应该采取计算两个图像之间差异的形式。

如果我有最后一个全连接/内积层输出channels * height * width，并且我有预期输出图像的标签（相同尺寸），我应该使用哪种类型的损失+精度结构？

我的情况

我尝试使用标签数据将内积数据简单地传递给 sigmoid 交叉熵损失，但这似乎不是受支持的方法。

我的标签是非整数值，因为它们是 0 到 1 之间的像素 RGB 数据（注意：我可以使用 0 到 255 形式的整数）并且 Caffe 似乎将标签解释为类别而不是简单值。

每个像素通道我可以有 255 个类别，但这将导致 255 * 3 个通道 * 256 高度 * 256 宽度 = 50,135,040 个类别，这使我想要实现的目标过于复杂化了。

我的问题

  • Caffe 本身是否支持我想要实现的目标？
    • 如果是这样，我应该如何改变我的结构以符合这些规范？
    • 如果没有，是否有任何其他神经网络框架（例如 Torch）支持这一点？
  • 是否有我试图用我的网络解决的问题类型的名称（当然不是分类分类）？
    • 过去使用什么来解决此类问题？

具有潜在价值的来源

4

1 回答 1

0

您正在寻找的损失层是欧几里得损失层（均方误差）：

layers {
  name: "loss"
  type: EUCLIDEAN_LOSS
  top: "loss"
  bottom: "CONVX_15"
  bottom: "labels"
}

您的问题是多元回归，您必须使用适合它的损失。Sigmoid 交叉熵损失用于分类，其中目标值（标签）必须介于 0 和 1 之间（例如像素开/关的概率）。

使用欧几里得损失，小心管理你的梯度。将目标值保持在 <0,1> 范围内并使用 Xavier 权重初始化。不过，与分类问题相比，您可能需要设置较低的学习率，以防止 SGD 爆炸。

于 2015-11-06T23:05:20.110 回答