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。