为边界框回归制定一个平均交并比的自定义损失函数。

Question

我试图逐个迭代批次来计算平均交并比。但是fit函数显示了以下错误:

“错误: 操作的梯度为None。请确保所有操作都定义了梯度(即可微分)。没有梯度的常见操作: K.argmax、K.round、K.eval。”

由于我是keras的新手，请帮忙解决问题。

#y_true shape: (None, 4)
import keras.backend as K
def iou(y_true, y_pred):
    # determine the (x, y)-coordinates of the intersection rectangle
    iou = 0
    for i in range(K.int_shape(y_pred)[0]):
        boxA = y_pred[i]
        boxB = y_true[i]
        xA = K.max(boxA[0], boxB[0])
        yA = K.max(boxA[2], boxB[2])
        xB = K.min(boxA[1], boxB[1])
        yB = K.min(boxA[3], boxB[3])

        interArea = K.max(0, xB - xA + 1) * K.max(0, yB - yA + 1)

        boxAArea = (boxA[1] - boxA[0] + 1) * (boxA[3] - boxA[2] + 1)
        boxBArea = (boxB[1] - boxB[0] + 1) * (boxB[3] - boxB[2] + 1)

        iou += interArea / float(boxAArea + boxBArea - interArea)
    #MEAN
    mean = iou/K.int_shape(y_pred)[0]
    return 1-mean

model.compile(optimizer='adam', loss=iou, metrics=['accuracy'])
model.fit(x_train, y_train, epochs=20, batch_size = 50)

我的模型使用均方误差作为损失函数表现良好。模型：

input_shape = (180, 240, 3)
model = Sequential([
    Conv2D(32, (3, 3), input_shape=input_shape, padding='same',activation='relu'),
    MaxPooling2D(pool_size=(2, 2), strides=(2, 2)),
    BatchNormalization(),

    Conv2D(64, (3, 3), activation='relu', padding='same'),
    MaxPooling2D(pool_size=(2, 2), strides=(2, 2)),
    BatchNormalization(),

    Conv2D(128, (3, 3), activation='relu', padding='same',),

    Conv2D(256, (3, 3), activation='relu', padding='same',),
    MaxPooling2D(pool_size=(2, 2), strides=(2, 2)),

    Conv2D(128, (3, 3), activation='relu', padding='same',),
    MaxPooling2D(pool_size=(2, 2), strides=(2, 2)),
    BatchNormalization(),
    Flatten(),
    Dense(4096, activation='relu'),
    Dense(4096, activation='relu'),
    Dense(4, activation='relu')
])

- Aakash kumar Goryan

---

你的 model 定义在哪里？loss=iou 是什么意思（在 Keras 中不存在）？你定义的函数在哪里使用？ - desertnaut

糟糕！那是一个打错字了，函数名应该是iou。已经修改。 - Aakash kumar Goryan

Answer 1

这意味着你自定义的损失函数内的所有操作都应该是可微分的，否则优化过程无法执行。为此，你只需要逐个检查代码中哪些操作不可微分，并将其替换为Keras可微分后端模拟或找到其他替代方法。

考虑到提供的代码片段，可能有几种建议可以使其正常工作：

• for循环应该向量化
• 由于你使用max(0, ...)来获取交集面积，可能会出现它始终为0且没有梯度可用的情况，因此请检查是否卡在那里
• 对于均值计算，有一个现成的Keras后端函数K.mean
• 限制值的范围以改善优化是一个好习惯（例如，将其限制在（0,1）范围内）

- Michael Glazunov