如何解决为CNN中的回归创建自定义损失函数
我正在努力使CNN回归网络平稳运行，但输出结果与实际情况相去甚远。输入是二进制图像(600x600)，背景为黑色，前景为白色。与每个输入关联的地面真相是图像，其颜色范围为0 to 255，并且在0 and 1.
在下面，您可以分别看到Input (x)，ground truth(y)和predicted output (y_hat)的一个样本。该网络几乎可以检测到边缘和背景，但是在前景中，所有的预测值几乎都相同（请参见预测之一）。
我相信，由于输入中的所有前景都是1，因此网络无法正确更新权重，因此可能需要自定义损失函数来惩罚损失函数。
我试图通过下面的自定义损失函数对前景进行惩罚，但是并没有改善结果。
mse = nn.MSELoss(reduction=‘mean’)
def criterion(y,y_hat,x,loss,weight=0.1):
y_hat_modified = torch.where(x[:,0:1]==1,weight*y_hat,y_hat)
return loss(y,y_hat_modified)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
