손실 함수는 주어진 입력 데이터의 일부를 마스킹하여 모델이 해당 마스크된 부분을 예측하도록 유도하는 방식으로 동작한다. 입력 데이터의 일부를 마스킹(Masking)하여 모델에 제공한다. 마스킹된 데이터는 모델이 전체 데이터를 효과적으로 학습할 수 있도록 돕는다. 마스킹된 입력 데이터에 대한 손실을 계산하기 위해 희소 평균 제곱오차가 사용된다.
공간의 경계와 공간의 유형간의 클래스 불균형 문제를 해결하기 위해서는 예측된 값과 실제 값 간의 엔트로피 손실의 균형을 고려하여 계산한다. (수식 3-3)은 희소 평균 제곱오차와 균형 엔트로피를 결합하여 공간 경계와 공간 유형의 가중치인 w_wall과 w_room 의 계산 방식이다. 여기서 N은 전체 클래스 수를 나타낸다.
아래 수식은 전체 w_wall과 w_room을 고려한 전체 손실 함수의 계산을 보여준다.
이는, 공간의 경계와 공간의 유형의 손실을 균형있게 조절하기 위해, 각 가중치의 합을 전체 가중치의 합으로 나누어, 공간의 경계와 영역에 대한 손실을 균형 있게 반영한다.
전체 코드: https://github.com/rjtp5670/FloorPlanNavigationMapGenerator/blob/master/loss.py
Greek Yogurt