语义分割——尽管二进制交叉熵用于二进制图像分割，但分类交叉熵的使用
Semantic Segmentation — Usage of Categorical Cross-Entropy in spite of Binary Cross-Entropy for Binary Image Segmentation
SO 和 CValidated 上的内容我都看过了，但还是觉得下面的事情我没有完全理解。
如果我有一个二进制分割（考虑一个医学问题，你有健康和受损的组织），哪种损失更好，BCE 或 CCE？
有人说（我完全理解）对于二进制分类，CCE 在计算上比 BCE 更昂贵，没有理由使用 CCE。虽然我理解理由，但我还没有找到一项研究清楚地将最终 output/results 并排比较（validation/test 数据集上的 Acc/Dice/Jaccard 指标与 BCE 和 CCE）。
是否存在明显的 BCE 优于 CCE 或反之亦然的二进制分割案例？
答案在下面link Binary cross entropy Vs categorical cross entropy with 2 classes。
据说从数学的角度来看（结果，不是计算开销），两个类上的softmax与BCE的情况完全相同，与@f4f的答案相同。
SO 和 CValidated 上的内容我都看过了，但还是觉得下面的事情我没有完全理解。
如果我有一个二进制分割（考虑一个医学问题，你有健康和受损的组织），哪种损失更好，BCE 或 CCE？
有人说（我完全理解）对于二进制分类，CCE 在计算上比 BCE 更昂贵，没有理由使用 CCE。虽然我理解理由，但我还没有找到一项研究清楚地将最终 output/results 并排比较（validation/test 数据集上的 Acc/Dice/Jaccard 指标与 BCE 和 CCE）。
是否存在明显的 BCE 优于 CCE 或反之亦然的二进制分割案例？
答案在下面link Binary cross entropy Vs categorical cross entropy with 2 classes。
据说从数学的角度来看（结果，不是计算开销），两个类上的softmax与BCE的情况完全相同，与@f4f的答案相同。