self.binar_map_loss = (torch.abs(binar_map-mask_gt)).mean()

        self.head_map_loss = F.mse_loss(pre_map, mask_gt)

请问为什么二个map在回归的时候 均和mask_gt计算loss？ 那这样的话 推理的时候直接任何一个map不就是最后的结果？为什么二者做差呢？不是很懂 多谢

两个损失针对的是不同的对象，一个是二值化后的输出，一个是二值化前的，二值化后的输出才是最后用来检测连通域进行定位的输出。二者作差即L1损失。

pre_map和gt计算L2 loss, gt 是[0，1]的mask图。 没有出现两个map做差再和gt算L1 loss的， 用来计算L1 loss的是二值化后的输出binar_map。

你好 感谢回复 请问figure1的 图 代码有公开吗？请问在哪里呢？感谢

密度图方法是怎样生成groundtruth的？ 直接人头中心是一个点，只有一个点吗？密度图的gt云图是怎么得到的？