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。