【问题标题】:optimizing binary focal loss and dice loss优化二元焦点损失和骰子损失
【发布时间】:2021-03-08 12:04:40
【问题描述】:

我正在构建一个只有一个前景和一个背景的 Unet 图像分割模型(二值分割)。

对于损失函数,我将骰子损失和二元焦点损失相加

我想知道确保骰子损失和焦点损失的数量级相似是否重要

正如您在下面的摘录中看到的,二元焦点损失约为 0.0x,骰子损失为 0.x。在这种情况下,损失优化是否会更关注骰子损失而不是焦点损失?我应该在二元焦点损失中添加一个乘数吗?

【问题讨论】:

    标签: tensorflow loss-function


    【解决方案1】:

    我也是深度学习范式的新手。但是,根据这篇论文:https://ieeexplore.ieee.org/abstract/document/9180275/ 通常必须为组合损失添加乘数。在论文中,focal loss 和 dice loss 的组合损失使用以下等式计算: 组合损失= β*focalloss - (log (dice loss)) 如果您希望使用这些损失的任何其他组合,请报告您的结果。

    【讨论】:

      猜你喜欢
      • 2021-05-07
      • 2021-05-16
      • 2019-01-29
      • 2021-03-15
      • 2022-07-25
      • 2021-09-30
      • 1970-01-01
      • 2020-04-28
      • 1970-01-01
      相关资源
      最近更新 更多