smooth l1

时间 2020-12-24

原文原文链接

1.loss要规范化，这样就不会受图片大小的影响 2.w、h采用log：比较特殊的是w,hw,h的regression targets使用了log space. 师兄指点说这是为了降低w,hw,h产生的loss的数量级, 让它在loss里占的比重小些, 不至于因为w,hw,h的loss太大而让x,yx,y产生的loss无用 3.当预测值与目标值相差很大时, 梯度容易爆炸, 因为梯度里包含了x−t.

>>阅读原文<<

1. L1,L2,smooth L1
2. L1, L2以及smooth L1 loss
3. 损失函数 l1, l2, smooth l1
4. smooth L1 loss个人理解
5. 总结smooth L1为什么好！
6. smooth L1相比L1和L2，为什么好？
7. L1 loss, L2 loss以及Smooth L1 Loss的对比
8. 详解L1、L2、smooth L1三类损失函数
9. 交叉熵、Focal loss、L1，L2，smooth L1损失函数、IOU Loss、GIOU、DIOU和CIOU
10. L一、L二、smooth L1三类损失函数
更多相关文章...
• SVG - SVG 教程