语义分割损失函数
语义分割损失函数
提问于 2018-05-24 20:24:44
对于二值分割问题，交叉熵损失和骰子分数以加权方式结合是否有意义？
优化骰子分数产生的区域超过分割区域，而交叉熵损失产生低分割区域为我的应用。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-05-31 06:47:25
我认为合并这两种损失没有什么害处，因为它们彼此非常“正交”；当交叉熵将每个像素视为一个独立的预测时，骰子分数以一种更“整体”的方式看待所产生的掩码。
此外，考虑到这两项损失产生的掩蔽作用各不相同，各有其优点和错误，我认为将这两项补充资料结合起来是有益的。
确保对损失进行加权，使两个损失的梯度大致处于相同的比例，这样您就可以同样地从这两个损失中受益。
如果你能成功的话，我想听听你的实验和结论;)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50517628
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号