Keras，循环输出的成本函数？答案

【问题标题】：Keras, cost function for cyclic outputs?Keras，循环输出的成本函数？
【发布时间】：2016-05-30 14:13:35
【问题描述】：

现在我正在尝试使用神经网络对图像进行着色。我想在 HSV 色彩空间中做到这一点。问题在于色调通道是循环的。色调的归一化值介于 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，距离真的更像 0.02。如何在 keras 中获得循环损失函数？

【问题讨论】：

标签： python neural-network keras

【解决方案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：

(A - B)^2（不绕圈的距离）
(A - B + 1)^2（绕到左边的距离）
(A - B - 1)^2（向右转的距离）

例如，在您的示例中，从A = 0.99 到B = 0.01 的最短路径是向右转，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，我们如何实现它？ 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=cyclic_mean_squared_error。

【讨论】：