在我的用例中，对象的数量总是一个，并且对象总是椭圆形的。在训练时，我注意到分割模型偶尔会预测多个对象（噪声是其他的）。
有没有办法用公式表示一个Keras损失函数来奖励接近椭圆质量中心的预测，而惩罚远离中心的预测，同时保持椭圆形状？
如何实现一个损失函数来处理这样的限制呢？我知道有一些损失函数，比如多个对象的wasserstein损失，当已知的对象层次结构不满足时，就会受到惩罚。