在使用 TensorFlow Object Detection API 训练 Mask RCNN 时，“损失”是啥？

Posted 2023-03-13

【中文标题】在使用 TensorFlow Object Detection API 训练 Mask RCNN 时，“损失”是啥？

【英文标题】：While training Mask RCNN using TensorFlow Object Detection API, what is the 'loss'?在使用 TensorFlow Object Detection API 训练 Mask RCNN 时，“损失”是什么？

【发布时间】：2019-06-17 21:15:29

【问题描述】：

我正在 TensorFlow 对象检测 中使用 Mask RCNN 训练 自定义对象检测。因此，我要预测对象实例掩码以及边界框。

预训练模型：mask_rcnn_inception_v2_coco

以下是我的训练快照。

INFO:tensorflow:global step 4181: loss = 0.0031 (3.290 sec/step)

INFO:tensorflow:global step 4181: loss = 0.0031 (3.290 sec/step)

INFO:tensorflow:global step 4182: loss = 0.0030 (2.745 sec/step)

INFO:tensorflow:global step 4182: loss = 0.0030 (2.745 sec/step)

在这种情况下，你能告诉我这里的损失是什么吗？

我的问题与训练损失及其变化无关。步骤。

我只是不清楚在训练 Mask RCNN 时这种损失是什么意思？在一个Mask RCNN中，最后一层有3个平行头，

用于检测类 用于预测边界框 用于预测实例掩码

在这种情况下，什么是损失？

【参考方案1】：

Mask R-CNN 论文的损失函数结合了 3 个损失的加权和（3 个输出）：分类、定位和分割掩模：

分类和边界框（定位）损失与 Faster R-CNN 中的相同。

添加的是每个像素的 sigmoid + 掩码的二进制损失。 掩码分支为每个类生成一个掩码，类之间没有竞争（因此，如果您有 10 个类，掩码分支预测 10 个掩码）。使用的损失是每像素 sigmoid + 二元损失。

如果您想更深入地研究掩码损失，论文指出“多项式与独立掩码：掩码 R-CNN 将掩码和类别预测解耦：作为现有框 分支预测类标签，我们为每个生成一个掩码 类之间没有竞争的类（通过每像素 sigmoid 和二元损失）。在表 2b 中，我们将其与 使用每像素 softmax 和多项损失（如 FCN [30] 中常用的）。”

您可以在paper 第 6 页，表号 2.b（“多项式与独立掩码”）中看到它。