对于灰度到 rgb 问题，我应该使用哪个损失函数？

Question

我正在制作一个采用灰度图像并返回 rgb 图像的模型。现在我使用 MSE 作为损失函数，但我认为这不是一个好的选择。在这类问题中使用哪种损失函数更好？

我的模型是 AutoEnconder。我正在使用以下函数来构建它：

def conv2d(layer_input, filters, f_size=3, bn=True, strides_ = 2):
    d = Conv2D(filters, kernel_size=f_size, padding='same', activation='relu')(layer_input)
    d = AveragePooling2D(pool_size=(2,2),strides=(2,2))(d)
    d = LeakyReLU(alpha=0.2)(d)
    if bn:
        d = BatchNormalization(momentum=0.9)(d)
    return d

def deconv2d(layer_input, skip_input, filters, f_size=4, dropout_rate=0):
    u = UpSampling2D(size=2)(layer_input)
    u = Conv2D(filters, kernel_size=f_size, strides=1, padding='same')(u)
    u = LeakyReLU(alpha=0.2)(u)

    if dropout_rate:
        u = Dropout(dropout_rate)(u)
    u = BatchNormalization(momentum=0.8)(u)
    u = Concatenate()([u, skip_input])
    return u

Answer 1

MSE 将主要在您面临回归问题时完成这项工作，尽管它可能适合一些罕见的分类情况。

如果我正确理解您的模型的目的，我相信适合您的损失函数是二元交叉熵或分类交叉熵（用于多类分类）。

查看this Keras documentation 了解更多具体信息。

更新：你可以看到这个blog post，它涵盖了 AutoEncoder CNN 模型。