PyTorch Faster RCNN ResNet50 FPN 对应损失函数类型问询

• 分类损失：为检测头输出的候选框类别预测分支的损失，默认采用CrossEntropyLoss（交叉熵损失），用于计算模型预测的候选框类别和真实标注类别之间的偏差。
• objectness损失：为RPN阶段的锚框前后景二分类分支的损失，默认采用BCELoss（二元交叉熵损失），用于判断当前锚框是否包含待检测目标。
• 总损失：是多分支损失的加权求和结果，默认所有分支损失的权重均为1，求和项包含4部分：RPN阶段的objectness损失、RPN阶段的边界框回归损失、检测头的分类损失、检测头的边界框回归损失。

内容的提问来源于stack exchange，提问作者Sriram A.