為什麼在人臉辨識的loss function下選擇用MSE
2020/02/06 下午 04:31
電腦視覺深度學習討論版
周乃森
觀看數:39
回答數:3
收藏數:1
cvdl-1
cvdl-1-d43
請問老師為什麼在人臉辨識上的loss function選擇用MSE呢?
回答列表
-
2020/02/06 下午 07:04楊哲寧贊同數:1不贊同數:0留言數:0
您好,這個問題其實就是Regression的問題(ex Bounding Box Regression),所以MSE是最直觀且常用的,但當然我們也嘗試用L1,L2,Smooth L1,MAE或任何Regression的Loss來看看結果。
-
2020/02/06 下午 07:06Jeffrey贊同數:1不贊同數:0留言數:0
主要是因爲: 1. 可以評價數據化的差異程度(是不是同一張人臉); 2. 數學特性好,可以更快計算梯度收斂;
-
2020/02/07 上午 10:29杜靖愷贊同數:1不贊同數:0留言數:0
補充一下這不是人臉辨識哦,這是人臉關鍵點檢測,用 MSE 是因為範例的網絡設計成預測直接 15 個關鍵點的坐標信息,而這 15 個坐標信息其實是 15 組 2 維的值,網路直接預測 15 x 2 = 30 維的向量,這些值都是 scalar,我們期望網路去預測這些值而不是去分類這些坐標,所以用的是 Regression。所以才會說,其實任何 Regression 的 loss 都可以使用,這裡用最直觀的 MSE。