有人能解释一下df1 <- structure(list(Id = c(1L, 1L, 1L, 1L, 1L, 1L), Title = c("hi",
"yo", "was", "up", "yoh", "home"), FullDescription = c("abc",
"abc", "abc", "abc", "abc", "abc"), LocationRaw = c("def", "def",
"def", "def", "def", "def"), LocationNormalized = c("Bristol",
"Bristol", "England", "India", "Nepal", "Bristol")), .Names = c("Id",
"Title", "FullDescription", "LocationRaw", "LocationNormalized"
), class = "data.frame", row.names = c(NA, -6L))
中的分类损失和本地化损失的基本含义吗?
在使用tensorflow
API进行SSD培训的过程中,我遇到了这种损失,但根本不了解这两种损失。
Here我读到本地化损失是边界盒回归器的损失,这引起了一个新问题,那就是边界盒回归器是什么?
任何人都可以简要介绍一下吗?
答案 0 :(得分:1)
希望这会有所帮助,根据我的理解,我尝试给出一个简短的解释。
张量流中的分类损失和定位损失基本上意味着什么?
分类/本地化损失值是损失函数的结果,分别表示分类/本地化问题中的“为预测不准确所付出的代价”。
给出的损耗值是分类损耗和定位损耗的总和。 优化算法正在尝试减少这些损耗值,直到损耗总和达到您对结果满意的程度,并考虑对网络进行“培训”为止。
通常,您可以将损失视为“较低的分数等于更好的模型”的分数。
什么是边界框回归器?
我相信边界框回归器是一种经过训练的模型,能够获得与ROI相关的更准确的边界框。