Smooth L1 Loss

定义 Definition

Smooth L1 loss（平滑 L1 损失）是一种常用于机器学习回归任务的损失函数，尤其常见于目标检测中的边界框回归。它在误差较小时表现得像 L2（平方误差，曲线更平滑、梯度更稳定），在误差较大时表现得像 L1（绝对误差，对异常值更不敏感），从而在“稳定训练”和“鲁棒性”之间取得折中。（在一些实现中，它与 Huber loss 关系非常接近或等同，只是参数化方式略有差异。）

发音 Pronunciation (IPA)

/smuːð ɛl wʌn lɔːs/

例句 Examples

The model uses Smooth L1 loss for bounding-box regression.
该模型使用 Smooth L1 损失来进行边界框回归。

In object detection, Smooth L1 loss helps reduce the impact of outliers while keeping gradients stable during training.
在目标检测中，Smooth L1 损失能降低异常值的影响，同时在训练过程中保持梯度更稳定。

词源 Etymology

“Smooth”意为“平滑的”，这里指损失函数在小误差区域的曲线更平滑、优化更稳定；“L1”指 L1 范数/绝对误差形式；“loss”是“损失函数”。该术语在深度学习论文与框架文档中广泛使用，尤其与目标检测模型的回归分支（例如边界框坐标回归）相关联。

相关词 Related Words

• Huber Loss
• L1 Loss
• L2 Loss
• Mean Absolute Error
• Mean Squared Error
• Bounding Box Regression
• Robust Loss

文学与作品 Literary Works

• Fast R-CNN（Ross Girshick）：在目标检测的边界框回归中使用 Smooth L1 loss。
• Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks：延续并普及了检测框架中的该损失用法。
• Mask R-CNN：实例分割/检测体系中回归分支常沿用 Smooth L1 loss 的设置。
• PyTorch 文档与源码（如 torch.nn.SmoothL1Loss）：工程实践中对该损失的标准实现与说明。