损失函数-goci数据产品算法说明

1.5 损失函数 为了更好的保留输入图像的色彩鲜明和高对比度特征，本文采用了对抗损失函数[12]、 L1损失和感知损失函数三个损失函数进行线性叠加，对抗损失函数如公式（4）所示： 135 = ( , )[log( ( , ))] ( , )[log(1 ( ,G( , )))] GAN L E x y D x y E x z D x x z  （4） D：判别器，G：生成器。x：输入的水下模糊图像，y：与 x 对应的水下清晰图像，z: 噪声输入，采用文献[11]中的方法，以随机失活（Dropout）作为噪声源，提高模型的随机性。 本文利用感知损失函数进行水下图像的特征重建。生成网络生成的图像和目标图像通过一个 网络模型参数固定的 VGG-19网络，传递到 VGG-19的 Conv4_3层后输出，利用 L2损失函数140 对输出图像进行计算。则损失函数定义如公式（5）所示: 2 , , , , 1 1 1 2 1 || ( ( , ) ) ( ) || C W H c w h c w h vgg c w h L V G x z V y CWH      (5) C、W、H 分别表示输出图像的通道，宽度和高度。V 表示由 VGG-19网络进行的非线 性转换。如文献[11]中所述，使用加权 L1损失和对抗性损失减少了输出图像中的人为干扰因 素，则目标图像 y 和生成的图像