【问题标题】：what method is the correct way of implemeting dice loss ? sigmoid or softmax?什么方法是实现骰子损失的正确方法？ sigmoid 还是 softmax？
【发布时间】：2020-05-05 04:21:47
【问题描述】：
我有一个二元语义分割问题，我想到了两种方法。
方法一：
Unet 输出一个带有 sigmoid 激活的类，然后我使用 dice loss 来计算损失
方法二：
基本事实连接到它是反向的，因此有 2 个类。 Unet 的输出是 2 个类，并对它们应用 softmax 激活。然后使用骰子损失来计算损失。
哪个是正确的？
【问题讨论】：
标签：
machine-learning
keras
deep-learning
image-segmentation
【解决方案2】：
这个问题已经回答here。如果您有 2 类问题，则仅输出 1 个通道，使用 sigmoid 函数（输出值介于 0 和 1 之间）。然后，您可以使用输出（连续值）和目标（单通道 one-hot-encoded，离散值）计算骰子损失。如果您的网络输出 2 个通道，则使用 softmax 函数并使用输出（连续值）和目标（2 通道 one-hot-encoded）计算您的损失。前者是首选，因为您将拥有更少的参数。