在 Keras 中编写自定义 MSE 损失函数

Question

我正在尝试在 Keras 中创建图像去噪 ConvNet，并且我想创建自己的损失函数。我希望它以嘈杂的图像作为输入并将噪声作为输出。此损失函数非常类似于 MSE 损失，但它将使我的网络学会去除干净图像而不是输入噪声图像中的噪声。

我想用噪声图像 y、干净图像 x 和预测图像 R(y) 实现的损失函数：

我试着自己制作它，但我不知道如何让损失访问我的嘈杂图像，因为它一直在变化。

def residual_loss(noisy_img):
  def loss(y_true, y_pred):
    return np.mean(np.square(y_pred - (noisy_img - y_true), axis=-1)
return loss

基本上，我需要做的是这样的：

input_img = Input(shape=(None,None,3))

c1 = Convolution2D(64, (3, 3))(input_img)
a1 = Activation('relu')(c1)

c2 = Convolution2D(64, (3, 3))(a1)
a2 = Activation('relu')(c2)

c3 = Convolution2D(64, (3, 3))(a2)
a3 = Activation('relu')(c3)

c4 = Convolution2D(64, (3, 3))(a3)
a4 = Activation('relu')(c4)

c5 = Convolution2D(3, (3, 3))(a4)
out = Activation('relu')(c5)

model = Model(input_img, out)
model.compile(optimizer='adam', loss=residual_loss(input_img))

但是如果我尝试这个，我得到：

 IndexError: tuple index out of range

我能做什么？

Answer 1

由于在损失函数中使用"input"是很不寻常的（它不是那个意思），我认为值得一提的是：

分离噪声不是损失函数的作用。损失函数只是"how far from right you are"的度量。

你的模型会把东西分开，你期望从你的模型中得到的结果是y_true。

你应该使用常规损失，X_training = noisy images 和 Y_training = noises。

也就是说...

您可以在损失函数之外为 noisy_img 创建一个 tensor 并保存它。损失函数内的所有操作都必须是张量函数，因此使用 keras backend：

import keras.backend as K

noisy_img = K.variable(X_training) #you must do this for each bach

但是你必须考虑批次大小，这个在损失函数之外的变量将需要你只适合 每个时期一个批次。

def loss(y_true,y_pred):
    return K.mean(K.square(y_pred-y_true) - K.square(y_true-noisy_img))

每个时期训练一批：

for batch in range(0,totalSamples,size):
    noisy_img = K.variable(X_training[batch:size])
    model.fit(X_training[batch:size],Y_training[batch:size], batch_size=size)

如果仅使用均方误差，请按如下方式组织数据：

originalImages = loadYourImages() #without noises
Y_training = createRandomNoises() #without images

X_training = addNoiseToImages(originalImages,Y_training)

现在您只需使用 "mse" 或任何其他内置损失。

model.fit(X_training,Y_training,....)

在 Keras 中编写自定义 MSE 损失函数

Write a custom MSE loss function in Keras

python

loss

mse

python-2.7

keras