Keras，循环输出的成本函数？

Question

现在我正在尝试使用神经网络为图像着色。我想用 HSV 颜色 space 来做。这个问题是色调通道是循环的。色调的标准化值介于 0 和 1 之间。例如，模型预测为 0.99，但实际色调为 0.01。对于正常的均方误差损失，这看起来很遥远。然而，距离实际上更像是 0.02。我怎样才能在keras中获得循环损失函数？

Answer 1

从预测色调 A 到实际色调 B 的真实距离实际上是 3 个项中的最小值：

(A - B)^2（不环绕的距离）
(A - B + 1)^2（向左环绕的距离）
(A - B - 1)^2（向右环绕的距离）

例如，在您的示例中，从 A = 0.99 到 B = 0.01 的最短路径是向右绕行，距离为 (A - B - 1)^2 = (0.99 - 0.01 - 1)^2 = (-0.02)^2 = 0.02^2.

既然我们已经弄清楚了数学原理，那么我们如何实现它呢？ Keras 的 implementation 均方误差为：

from keras import backend as K

def mean_squared_error(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

以下是使其循环的调整：

def cyclic_mean_squared_error(y_true, y_pred):
    return K.mean(K.minimum(K.square(y_pred - y_true), 
                            K.minimum(K.square(y_pred - y_true + 1), 
                                      K.square(y_pred - y_true - 1)), axis=-1)

要使用此损失函数，请在编译模型时指定loss=cyclic_mean_squared_error。

Keras，循环输出的成本函数？

Keras, cost function for cyclic outputs?

python

neural-network

keras