Tensorflow 中的 Dice/Jaccard 系数优化答案

【问题标题】：Dice/Jaccard Coefficient Optimization in TensorflowTensorflow 中的 Dice/Jaccard 系数优化
【发布时间】：2018-08-10 16:54:14
【问题描述】：

我正在尝试使用 Dice 或 Jaccard 系数优化我的网络。我的问题是图像分割问题，所以我的输出是形状张量 (1, 256, 256, 11)。为了计算我的输出和我拍摄的真实图像的交集

tf.argmax(output, axis = 3)

它返回张量流优化器（特别是AdamOptimizer）似乎不接受的“int”数据类型，所以我然后将其转换为浮点数

tf.cast(tf.argmax(output, axis = 3), tf.float32)

但是，似乎没有为 tf.cast（或 tf.argmax ）定义渐变。有没有人能够成功实施

【问题讨论】：

【解决方案1】：

tf.argmax() 运算是不可微分的，所以没有实现梯度。你不能直接优化 Jaccard，因为它是不可微的。

准确性也是如此，当您训练分类器时，即使您只关心准确性，您也会优化可微损失，因为准确性不可微。

因此，您的问题没有解决方案，您必须使用可以区分和优化该损失的损失函数而不是 jaccard。

【讨论】：

【解决方案2】：

我今天遇到了同样的问题，我意识到如果没有没有梯度的 tf.argmax() 函数，就无法计算骰子损失。

类似情况的一种可能解决方案是使用广义骰子系数，即结合使用 softmax 预测和“one_hot”地面实况图像作为输入。

【讨论】：