用于多标签遥感图像分类的深度学习损失函数比较研究
计算机视觉与模式识别
2023-01-24 v1 机器学习
摘要
本文在遥感（RS）图像场景多标签分类问题的框架下分析并比较了不同的深度学习损失函数。我们考虑了七种损失函数：1）交叉熵损失；2）focal损失；3）加权交叉熵损失；4）Hamming损失；5）Huber损失；6）排序损失；7）sparseMax损失。所有考虑的损失函数均在RS中首次被分析。在理论分析之后，进行了实验分析，以从以下方面比较所考虑的损失函数：1）总体精度；2）类别不平衡感知能力（各类别关联样本数差异显著）；3）凸性与可微性；4）学习效率（即收敛速度）。基于我们的分析，推导出了在多标签RS场景分类问题中合理选择损失函数的一些指导原则。
引用
@article{arxiv.2009.13935,
title = {A Comparative Study of Deep Learning Loss Functions for Multi-Label Remote Sensing Image Classification},
author = {Hichame Yessou and Gencer Sumbul and Begüm Demir},
journal= {arXiv preprint arXiv:2009.13935},
year = {2023}
}
备注
Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2020. For code visit: https://gitlab.tubit.tu-berlin.de/rsim/RS-MLC-Losses