【Python/Pytorch - 网络模型】-- TV Loss损失函数

电科_银尘

已于 2025-02-12 20:00:56 修改

阅读量1.1k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：人工智能网络模型文章标签： python pytorch 人工智能深度学习

于 2024-06-16 20:31:37 首次发布

本文链接：https://blog.csdn.net/wangshuqian1314/article/details/139725695

在这里插入图片描述

文章目录

文章目录

00 写在前面
01 基于Pytorch版本的TV Loss代码
02 论文下载

00 写在前面

在医学图像重建过程中，经常在代价方程中加入TV 正则项，该正则项作为去噪项，对于重建可以起到很大帮助作用。但是对于一些纹理细节要求较高的任务，加入TV 正则项，在一定程度上可能会降低纹理细节。

对于连续函数，其表达式为：
在这里插入图片描述

对于图片而言，即为离散的数值，求每一个像素和横向下一个像素的差的平方，加上纵向下一个像素的差的平方，再开β/2次根：
在这里插入图片描述

01 基于Pytorch版本的TV Loss代码

import torch
from torch.autograd import Variable


class TVLoss(torch.nn.Module):
    """
    TV loss
    """

    def __init__(self, weight=1):
        super(TVLoss, self).__init__()
        self.weight = weight

    def forward(self, x):
        batch_size = x.size()