语义分割损失函数
Semantic Segmentation Loss functions
对于二元分割问题，以加权方式结合交叉熵损失和 dice-score 是否有意义？
为我的应用程序优化骰子分数会产生分割区域，而交叉熵损失会产生分割不足的区域。
我想将这两个损失结合起来没有什么坏处，因为它们彼此相当 "orthogonal"；交叉熵将每个像素视为一个独立的预测，而 dice-score 以更 "holistic" 的方式查看生成的掩码。
此外，考虑到这两个损失会产生截然不同的掩码，每个掩码都有其优点和错误，我认为结合这些互补信息应该是有益的。
确保对损失进行加权，使两个损失的梯度大致相同，这样您就可以从两者中同等受益。
如果你成功了，我很想听听你的实验和结论 ;)
对于二元分割问题，以加权方式结合交叉熵损失和 dice-score 是否有意义？
为我的应用程序优化骰子分数会产生分割区域，而交叉熵损失会产生分割不足的区域。
我想将这两个损失结合起来没有什么坏处，因为它们彼此相当 "orthogonal"；交叉熵将每个像素视为一个独立的预测，而 dice-score 以更 "holistic" 的方式查看生成的掩码。
此外，考虑到这两个损失会产生截然不同的掩码，每个掩码都有其优点和错误，我认为结合这些互补信息应该是有益的。
确保对损失进行加权，使两个损失的梯度大致相同，这样您就可以从两者中同等受益。
如果你成功了，我很想听听你的实验和结论 ;)