dice loss 来自文章VNet(V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation),旨在应对语义分割中正负样本强烈不平衡的场景。本文通过理论推导和实验验证的方式对dice loss进行解析,帮助大家去更好的理解和使用。
dice loss定义
dice loss来自dice coefficient,是一种用于评估两个样本的相似性的度量函数,取值范围在0到1之间,取值越大表示越相似.dice coefficient定义如下:
其中分子是两倍的X和Y之间的交集,分母是X的元素和Y元素的个数中和.之所以分子乘2是为了保证分母重复计算后取值范围在0到1之间.
dice loss可以写为:
对于二分类问题,一般预测值分为以下几种:
. TP: true positive,真阳性,预测是阳性,预测对了,实际也是正例
. TN: true negative,真阴性,预测是阴性,预测对了,实际也是负例
. FP: false positive,假阳性,预测是阳性,预测错了,实际是负例
. FN: false negative,假阴性,预测是阴性,预测错了,实际是正例
这里dice coefficient可以写成如下形式:
而我们知道: