广义骰子损失只学习一个 class
Generalised dice loss only learning one class
我正在试验 niftynet 中实现的广义骰子损失，以使用 V-Net 分割包含 4 classes（1 个背景 3 个感兴趣区域）的 MRI 体积。我尝试以两种方式格式化标签：
空间维度只有 0 是背景，1,2,3 是感兴趣区域的标签。
5 维图像（[3 空间]，1,4）存储第 5 维中每个 class 的二进制体积
第二种情况的推论产生了一个 3D 体积，其中仅检测到带有标签“3”的 class，而在第一种情况的训练过程中损失根本没有减少。我是否以正确的格式存储标签？
我认为第一种格式是正确的。
您可能需要在分割应用程序的代码中裁剪渐变。使用标准 Dice 指标时损失会减少吗？