smooth L1 loss個人理解

最近在整理目標檢測損失函數，特將Fast R-CNN損失函數記錄如下：  smooth L1 損失函數圖像如下所示：       L1損失的缺點就是有折點，不光滑，導致不穩定。 L2 loss的導數（梯度）中包含預測值與目標值的差值，當預測值和目標值相差很大，L2就會梯度爆炸。說明L2對異常點更敏感。L1 對噪聲更加魯棒。 當差值太大時, loss在|x|>1的部分採用了 l1 loss，避免梯度

>>阅读原文<<