python - Keras，循环输出的成本函数？

Question

现在我正在尝试使用神经网络来对图像进行着色。我想在 HSV 色彩空间中进行。问题在于色调 channel 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来说，这看起来是很遥远的事情。然而这个距离实际上更像是 0.02。如何在 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 项中的最小值:

1. (A - B)^2(如果不环绕的话距离)
2. (A - B + 1)^2(向左环绕的距离)
3. (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 的最短方法是向右绕行，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)

这是使其循环的调整:

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=circular_mean_squared_error。