search

xuebinqin / BASNet

Code for CVPR 2019 paper. BASNet: Boundary-Aware Salient Object Detection
MIT License
1.35k stars 249 forks source link

关于论文损失函数的一些疑问 #16

Open pengqianli opened 4 years ago

pengqianli commented 4 years ago

尊敬的作者您好， 我认为您在论文中关于损失函数的分析相当的精彩。但是我有几个疑问：1）这些展示图是如何制作出来的？（个人猜测是保存不同训练阶段的模型，处理同一幅图片，然后可视化三个loss） 2）为什么SSIM对边缘的不一致很敏感？根据图片展示确实如此，有理论上的解释吗？（其实本质问题是我想知道您的hybrid loss是理论指导设计还是实验指导设计的。）

xuebinqin commented 4 years ago

1) 这些图是手动设置的前背景的概率，然后计算出来的loss, 并不是实际网络生成的概率图计算的，是示意图。 2）SSIM的加入是受到了图像评估算法的启发，理论上你可以认为SSIM基于patch的计算方式有利于局部信息的保存，这个很难用严谨的数学方法证明。当然，你也可以认为是试出来的，其实就是trial and error。不过话说回来，即使不是深度学习，很多算法的设计也是基于某一假设，然后不断尝试迭代出来的局部最优方案。

On Tue, Oct 1, 2019 at 2:44 AM lipengqian notifications@github.com wrote:

尊敬的作者您好，

我认为您在论文中关于损失函数的分析相当的精彩。但是我有几个疑问：1）这些展示图是如何制作出来的？（个人猜测是保存不同训练阶段的模型，处理同一幅图片，然后可视化三个loss） 2）为什么SSIM对边缘的不一致很敏感？根据图片展示确实如此，有理论上的解释吗？（其实本质问题是我想知道您的hybrid loss是理论指导设计还是实验指导设计的。）

— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub https://github.com/NathanUA/BASNet/issues/16?email_source=notifications&email_token=ADSGORNADVZQE2AFTATX7XLQMMEXNA5CNFSM4I4GNG52YY3PNVWWK3TUL52HS4DFUVEXG43VMWVGG33NNVSW45C7NFSM4HOY3BJA, or mute the thread https://github.com/notifications/unsubscribe-auth/ADSGOROMKH5WIPUVDSE7PZDQMMEXNANCNFSM4I4GNG5Q .

-- Xuebin Qin PhD Candidate Department of Computing Science University of Alberta, Edmonton, AB, Canada Homepage:https://webdocs.cs.ualberta.ca/~xuebin/

yykhuster commented 4 years ago

1) 这些图是手动设置的前背景的概率，然后计算出来的loss, 并不是实际网络生成的概率图计算的，是示意图。 2）SSIM的加入是受到了图像评估算法的启发，理论上你可以认为SSIM基于patch的计算方式有利于局部信息的保存，这个很难用严谨的数学方法证明。当然，你也可以认为是试出来的，其实就是trial and error。不过话说回来，即使不是深度学习，很多算法的设计也是基于某一假设，然后不断尝试迭代出来的局部最优方案。 … On Tue, Oct 1, 2019 at 2:44 AM lipengqian @.***> wrote: 尊敬的作者您好， 我认为您在论文中关于损失函数的分析相当的精彩。但是我有几个疑问：1）这些展示图是如何制作出来的？（个人猜测是保存不同训练阶段的模型，处理同一幅图片，然后可视化三个loss） 2）为什么SSIM对边缘的不一致很敏感？根据图片展示确实如此，有理论上的解释吗？（其实本质问题是我想知道您的hybrid loss是理论指导设计还是实验指导设计的。） — You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub <#16?email_source=notifications&email_token=ADSGORNADVZQE2AFTATX7XLQMMEXNA5CNFSM4I4GNG52YY3PNVWWK3TUL52HS4DFUVEXG43VMWVGG33NNVSW45C7NFSM4HOY3BJA>, or mute the thread https://github.com/notifications/unsubscribe-auth/ADSGOROMKH5WIPUVDSE7PZDQMMEXNANCNFSM4I4GNG5Q . -- Xuebin Qin PhD Candidate Department of Computing Science University of Alberta, Edmonton, AB, Canada Homepage:https://webdocs.cs.ualberta.ca/~xuebin/

作者您好，手动设置的前背景的概率指的是什么啊

shoutOutYangJie commented 3 years ago

1) 这些图是手动设置的前背景的概率，然后计算出来的loss, 并不是实际网络生成的概率图计算的，是示意图。 2）SSIM的加入是受到了图像评估算法的启发，理论上你可以认为SSIM基于patch的计算方式有利于局部信息的保存，这个很难用严谨的数学方法证明。当然，你也可以认为是试出来的，其实就是trial and error。不过话说回来，即使不是深度学习，很多算法的设计也是基于某一假设，然后不断尝试迭代出来的局部最优方案。 … On Tue, Oct 1, 2019 at 2:44 AM lipengqian @.***> wrote: 尊敬的作者您好， 我认为您在论文中关于损失函数的分析相当的精彩。但是我有几个疑问：1）这些展示图是如何制作出来的？（个人猜测是保存不同训练阶段的模型，处理同一幅图片，然后可视化三个loss） 2）为什么SSIM对边缘的不一致很敏感？根据图片展示确实如此，有理论上的解释吗？（其实本质问题是我想知道您的hybrid loss是理论指导设计还是实验指导设计的。） — You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub <#16?email_source=notifications&email_token=ADSGORNADVZQE2AFTATX7XLQMMEXNA5CNFSM4I4GNG52YY3PNVWWK3TUL52HS4DFUVEXG43VMWVGG33NNVSW45C7NFSM4HOY3BJA>, or mute the thread https://github.com/notifications/unsubscribe-auth/ADSGOROMKH5WIPUVDSE7PZDQMMEXNANCNFSM4I4GNG5Q . -- Xuebin Qin PhD Candidate Department of Computing Science University of Alberta, Edmonton, AB, Canada Homepage:https://webdocs.cs.ualberta.ca/~xuebin/

我想问一下 im_aug 和 gt_aug能公布一下吗

xuebinqin commented 2 years ago

yes, as we described in the caption of figure 5.

On Thu, Dec 30, 2021 at 6:24 AM Uhall @.***> wrote:

  1. 这些图是手动设置的前背景的概率，然后计算出来的loss, 并不是实际网络生成的概率图计算的，是示意图。 2）SSIM的加入是受到了图像评估算法的启发，理论上你可以认为SSIM基于patch的计算方式有利于局部信息的保存，这个很难用严谨的数学方法证明。当然，你也可以认为是试出来的，其实就是trial and error。不过话说回来，即使不是深度学习，很多算法的设计也是基于某一假设，然后不断尝试迭代出来的局部最优方案。 … <#m-6553839103826737514> On Tue, Oct 1, 2019 at 2:44 AM lipengqian @.***> wrote: 尊敬的作者您好， 我认为您在论文中关于损失函数的分析相当的精彩。但是我有几个疑问：1）这些展示图是如何制作出来的？（个人猜测是保存不同训练阶段的模型，处理同一幅图片，然后可视化三个loss） 2）为什么SSIM对边缘的不一致很敏感？根据图片展示确实如此，有理论上的解释吗？（其实本质问题是我想知道您的hybrid loss是理论指导设计还是实验指导设计的。） — You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub <#16 https://github.com/xuebinqin/BASNet/issues/16>, or mute the thread https://github.com/notifications/unsubscribe-auth/ADSGOROMKH5WIPUVDSE7PZDQMMEXNANCNFSM4I4GNG5Q . -- Xuebin Qin PhD Candidate Department of Computing Science University of Alberta, Edmonton, AB, Canada Homepage: https://webdocs.cs.ualberta.ca/~xuebin/

作者你好，基于你的解释，我认为你图5是不是都是预测前景的概率，P_fg是真值前景区域你设的显著性区域概率，P_bg是真值背景区域你设的显著性区域概率呢？

— Reply to this email directly, view it on GitHub https://github.com/xuebinqin/BASNet/issues/16#issuecomment-1002845317, or unsubscribe https://github.com/notifications/unsubscribe-auth/ADSGORKGKPVAYJWOLJWYG2DUTO7EBANCNFSM4I4GNG5Q . Triage notifications on the go with GitHub Mobile for iOS https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675 or Android https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub.

You are receiving this because you commented.Message ID: @.***>

-- Xuebin Qin PhD Department of Computing Science University of Alberta, Edmonton, AB, Canada Homepage: https://xuebinqin.github.io/