在 Christian Ledig 等人的论文Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network中，图像之间的距离（用于损失函数）是根据从VGG19 中提取的计算的网络，
其中定义为“在第 i 个最大池化层之前通过第 j 个卷积（激活后）获得的特征图”。
您能否详细说明如何计算此特征图，可能是针对论文中提到的 VGG54？
表示第 5 个最大池化层之前的第 4 个卷积层，对吗？但是第 4 层有 512 个过滤器。所以我们将有 512 个特征空间。从这个中选择哪一个？另外“激活后”是什么意思？
我发现这个答案与同一问题有关，但答案并没有解释太多。
在论文的第 2.2.1 节中，他们声明他们使用欧几里得距离。我相信你的话，那一层有 512 个过滤器激活；如果我没看错的话，没有 512 个特征空间，有一个 512 维特征空间，他们正在计算欧几里得距离。所以两个图像和之间的距离函数只是标准的欧几里得距离公式：
其中和和的相应滤波器激活的向量。
编辑：水平规则上方是我原来的答案，这是错误的（或不完整的）。层的特征图中的每个位置采用上述欧几里得距离，并对这些距离进行平均以生成标量损失值。因此，对于 7x7 特征图，他们将采用 49 512 维欧几里德距离并将它们平均以获得 VGG19 5,4 损失。这就是我在他们的论文中阅读第 2.2.1 节中的等式 (5) 的方式。我认为缺少的部分是作者不关心欧几里得距离公式中的平方根。如下所述，我认为符号不清楚。