deep-learning - InfoGainLossLayer、Caffe 中的动态 infoGainMatrix (H)

Question

我试图在 Faster-RCNN 中 RPN 的多任务损失函数 (L) 中不同地缩放正样本和负样本在分类损失 (l_cls) 中的贡献。

据我所知，在 Caffe 中执行此操作的直接方法是使用“InfoGainLossLayer”并传递包含不同比例的 infoGainMatrix(H)。不幸的是，据我所知，无法即时计算 infoGainMatrix(H) 并将其传递给 InfoGainLossLayer。（参考）。我想让我的 H 动态计算。

如果有人能解释如何规避这种情况，那就太好了。

Answer 1

您可以编写一个“即时”"Python"计算的层，H并将其作为"InfogainLoss"层的第三个“底部”提供：

layers {
  name: "computeH"
  bottom: "label"
  top: "H"
  type: "Python"
  python_param { ... }
}
layer {
  name: "loss"
  type: "InfogainLoss"
  bottom: "pred"
  bottom: "label"
  bottom: "H"  # new H for each batch
  top: "loss"
}