用于图像处理的神经网络的损失函数
计算机视觉与模式识别
2018-04-24 v3
摘要
神经网络在计算机视觉和图像处理的多个领域中正变得核心，并且已经提出了不同的架构来解决特定问题。然而，在图像处理背景下，神经网络的损失层的影响并未受到太多关注：默认且几乎唯一的选择是L2。在本文中，我们提请注意用于图像复原的替代选择。特别地，我们展示了当结果图像将由人类观察者评估时，感知驱动的损失的重要性。我们比较了几种损失的性能，并提出了一种新颖的可微误差函数。我们展示，即使网络架构保持不变，结果的质量也随更好的损失函数而显著改善。
引用
@article{arxiv.1511.08861,
title = {Loss Functions for Neural Networks for Image Processing},
author = {Hang Zhao and Orazio Gallo and Iuri Frosio and Jan Kautz},
journal= {arXiv preprint arXiv:1511.08861},
year = {2018}
}
备注
This paper was published in IEEE Transactions on Computational Imaging on December 23, 2016