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。我希望它将噪声图像作为输入并将噪声作为输出。这个损失函数很像 MSE 损失，但它会让我的网络学会从输入噪声图像中移除干净的图像而不是噪声。

我想用 y 噪声图像、x 干净图像和 R(y) 预测图像来实现的损失函数：

我尝试自己制作，但我不知道如何让丢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，我会得到：

 IndexError: tuple index out of range

我能做什么？

Answer 1

由于在损失函数中使用“输入”是很不寻常的（不是为了那个），我认为值得一说：

分离噪声不是损失函数的作用。 损失函数只是衡量“你离正确有多远”的量度。

将事物分开的是您的模型，您期望从模型中得到的结果是y_true。

您应该使用X_training = noisy images 和Y_training = noises 的常规损失。

---

也就是说……

您可以在损失函数之外为noisy_img 创建一个张量并保存它。损失函数中的所有操作都必须是张量函数，因此请使用keras backend：

import keras.backend as K

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

但您必须考虑批量大小，这个 var 在损失函数之外将需要您每个时期只适合一个批次。

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

每个 epoch 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)

---

如果只使用均方误差，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,....)