导读
ITK配准中,需要设置优化器,如OptimizerAsRegularStepGradientDescent,而这个优化器实例化的时候需要传入相关的参数,其中常用的有如下四个:
学习率(LearningRate)
这里的学习率指参数更新一次,参数移动的初始步长。以平移变换为例(Tx,Ty),学习率的a,则迭代一次后:
Tx += a;
Ty += a;
最小移动步长(MinimumStepLength)
当学习率小于最小移动步长的时候,优化触发结束,配准过程完成。
相关因子(RelaxationFactor)
比较难理解的是这个部分,这里的相关因子是用于更新学习率的。当损失函数的导数发生符号变化的时候(如上一个迭代值为10,当前迭代值为-10),这个时候,学习率就会更新:
学习率 = 学习率 * 相关因子;
迭代次数(NumberOfIterations)
这里的迭代次数是为了防止优化过程一直达不到最终的收敛阈值,所以采用一个最大迭代次数,用于结束优化过程。