深度学习 损失函数综述

语义分割损失函数

在文章开始之前先贴出参考:A survey of loss functions for semantic segmentation,代码地址,语义分割资源综述。我主要是参考这两个方面,然后其他更多资料也可以自行Google一下。本文章主要是以A survey of loss functions for semantic segmentation为主展开,并且尽可能地配上代码。

深度学习 损失函数综述

基于分布损失函数(Distribution-base loss)

Binary Cross-Entropy

公式:

深度学习 损失函数综述

该损失主要是针对二分类的损失,当背景数量>>目标像素数量,模型会严重偏向背景

Weighted Cross-Entropy

为解决分类类别不均衡问题,提出了Weighted Cross-Entropy。公式:

深度学习 损失函数综述

Balanced Cross-Entropy

这个损失函数的公司类似于MAE。与Weighted Cross-Entropy不同的是,Balanced Cross-Entropy对负样本也进行加权。

公式:
深度学习 损失函数综述

Focal Loss

深度学习 损失函数综述

Distance map derived loss penatly term

深度学习 损失函数综述

基于区域损失函数(Region-based

Dice Loss

深度学习 损失函数综述

Sensitivity-Specificity Loss

深度学习 损失函数综述

Tversky Loss

论文地址:https://arxiv.org/pdf/1706.05721.pdf

深度学习 损失函数综述

Focal Tversky Loss

深度学习 损失函数综述

Log-Cosh Dice Loss

深度学习 损失函数综述

基于边界的损失函数(Boundary-based)

Hausdorff Distance Loss

深度学习 损失函数综述

Shape aware Loss

深度学习 损失函数综述

复合的损失函数(Compounded Loss)

Combo Loss

深度学习 损失函数综述

Exponential Logarithmic Loss

深度学习 损失函数综述

总结

深度学习 损失函数综述

参考

  1. 一文看尽15种语义分割损失函数(含代码解析)
上一篇:查询语句 cross join 交叉连接


下一篇:yapi浏览器插件cross-request下载安装教程开源代码免费获取