matlab实现像素分类,定义使用 Tversky 损失的自定义像素分类层

Tversky 损失

Tversky 损失基于 Tversky 指数，用于测量两个分割图像之间的重叠 [1]。一个图像 Y 较其对应真实值 T 之间的 Tversky 指数 TIc 由下式给出

TIc=∑m=1MYcmTcm∑m=1MYcmTcm+α∑m=1MYcmTc‾m+β∑m=1MYc‾mTcm

c 对应于类，c‾ 对应于不在 c 类中。

M 是沿 Y 的前两个维度的元素数目。

α 和 β 是控制每个类的假正和假负对损失的贡献的加权因子。

基于类数目 C 的损失 L 由下式给出

L=∑c=1C1-TIc

分类层模板

在 MATLAB® 中将分类层模板复制到一个新文件中。此模板提供分类层的大致结构，并包括用于定义层行为的函数。示例的后续部分将说明如何完成 tverskyPixelClassificationLayer。

classdef tverskyPixelClassificationLayer < nnet.layer.ClassificationLayer

properties

% Optional properties

end

methods

function loss = forwardLoss(layer, Y, T)

% Layer forward loss function goes here

end

end

end

声明层属性

默认情况下，自定义输出层具有以下属性：

Name - 层名称，指定为字符向量或字符串标量。要将此层包括在层次图中，您必须指定非空的唯一层名称。如果您使用此层训练串行网络并且 Name 设置为 ''，则软件会在训练时自动指定名称。

Description - 层的单行描述，指定为字符向量或字符串标量。当层显示在 Layer 数组中时，会出现此描述。如果没有指定层描述，则软件将显示层类名。

Type - 层的类型，指定为字符向量或字符串标量。当层显示在 Layer 数组中时，会显示 Type 的值。如果未指定层类型，则软件将显示 'Classification layer' 或 'Regression layer'。

自定义分类层还具有以下属性：

Classes - 输出层的类，指定为分类向量、字符串数组、字符向量元胞数组或 'auto'。如果 Classes 是 'auto'，则软件会在训练时自动设置类。如果您指定字符串数组或字符向量元胞数组 str，则软件会将输出层的类设置为 categorical(str,str)。默认值为 'auto'。

如果层没有其他属性，则您可以省略 properties 部分。

Tversky 损失必须具有一个小常量值以防止除零错误。指定属性 Epsilon 以保留此值。它还需要两个可变属性：Alpha 和 Beta，分别控制假正和假负的加权。

classdef tverskyPixelClassificationLayer < nnet.layer.ClassificationLayer

properties(Constant)

% Small constant to prevent division by zero.

Epsilon = 1e-8;

end

properties

% Default weighting coefficients for false positives and false negatives

Alpha = 0.5;

Beta = 0.5;

end

...

end

创建构造函数

创建用于构造层并初始化层属性的函数。将创建层所必需的所有变量指定为构造函数的输入。

指定可选的输入参数 name，以便在创建层时赋给 Name 属性。

function layer = tverskyPixelClassificationLayer(name, alpha, beta)

% layer = tverskyPixelClassificationLayer(name) creates a Tversky

% pixel classification layer with the specified name.

% Set layer name

la