smooth L1 loss个人理解

最近在整理目标检测损失函数,特将Fast R-CNN损失函数记录如下:  smooth L1 损失函数图像如下所示:       L1损失的缺点就是有折点,不光滑,导致不稳定。 L2 loss的导数(梯度)中包含预测值与目标值的差值,当预测值和目标值相差很大,L2就会梯度爆炸。说明L2对异常点更敏感。L1 对噪声更加鲁棒。 当差值太大时, loss在|x|>1的部分采用了 l1 loss,避免梯度
相关文章
相关标签/搜索