极简笔记 The Lovasz-Softmax loss: A tractable surrogate for the optimization of the intersection-over-union measure in neural networks
本文提出一种Lovasz-Softmax loss,专门正对分割任务的评价指标IoU进行优化设计。由于本文涉及到的数学概念超出所学知识,因此本篇笔记偏向于计算过程的介绍。
记网络预测结果 y ~ \widetilde{y} y
和标注 y ∗ y^* y∗,IoU评价指标的计算为(又名Jaccard index):
J c ( y ∗ , y ~ ) = ∣ { y ∗ = c } ∩ { y ~ = c } ∣ ∣ { y ∗ = c } ∪ { y ~ = c } ∣ J_c(y^*,\widetilde{y})=\frac{|\{y^*=c\}\cap\{\widetilde{y}=c\}|}{|\{y^*=c\}\cup\{\widetilde{y}=c\}|} Jc(y∗,y
)=∣{
y∗=c}∪{
y
=c}∣∣{
y∗=c}∩{
y
=c}∣
Jaccard loss可以定义为: