TensorFlow目标检测API - 目标检测API中的损失意味着什么？

Question

以下是每个损失的含义，它们是在训练基于FasterRCNN模型的TensorFlow目标检测API时使用的：

Loss/BoxClassifierLoss/classification_loss/mul_1：边界框分类器损失中的分类损失

Loss/BoxClassifierLoss/localization_loss/mul_1：边界框分类器损失中的定位损失

Loss/RPNLoss/localization_loss/mul_1：区域生成网络损失中的定位损失

Loss/RPNLoss/objectness_loss/mul_1：区域生成网络损失中的目标性损失

clone_loss_1：克隆损失

- 이양규

Answer 1

区域建议网络的损失:

Loss/RPNLoss/localization_loss/mul_1: 定位损失或RPN边框回归器的损失

Loss/RPNLoss/objectness_loss/mul_1: 分类器的损失，用于分类边界框是感兴趣的对象还是背景

最终分类器的损失:

Loss/BoxClassifierLoss/classification_loss/mul_1: 对检测到的物体进行各种类别（猫，狗，飞机等）分类的损失

Loss/BoxClassifierLoss/localization_loss/mul_1: 定位损失或边界框回归器的损失

- Rohit Gupta

---

好的回答。谢谢！你知道为什么是“mul_1”吗？ - JQCorreia

Answer 2

clone_loss_1 只在使用多个GPU训练时相关：Tensorflow会为每个GPU创建一个模型克隆来进行训练并报告每个克隆的损失。如果您在单个GPU/CPU上训练模型，则只会看到clone_loss_1，它与TotalLoss相同。

其他损失如Rohit的回答所述。

- tobycoleman

Answer 3

如果您正在使用 Faster R-CNN 网络，您将遇到四种损失。

1.区域生成网络（RPN）损失/定位损失 如果我们查看 Faster R-CNN 的架构，我们将有通过 CNN 获取区域建议的过程。为了从特征图中获取区域建议，我们有损失函数。这是边界框的定位损失，用于锚点生成。

2.RPN 损失/目标性损失 在提取区域建议时，我们还需要知道锚框内是否存在对象。

3.边界框分类器损失/分类损失 这是在最终层确定对象属于哪个类别，例如狗或猫。

4.边界框分类器损失/定位损失 这也是在最终层确定对象的边界框坐标，例如狗和猫的坐标。

- vignesh babu