文章 “Generalised Dice overlap as a deep learning loss function for highly unbalanced segmentations”
存在的问题:
待分割区域占据整个影像的一小部分,这种前景和背景的imbalance,会造成性能上的sub-optimal。故这篇文章在Dice Loss的基础上提出了 Generalised Dice Loss(GDL)
1、Methods
符号说明: rn 是label值 0 或1;pn是预测的为前景的概率值。N为整个图像的像素数。以下公式都是针对两类。
1.1 Weighted cross-entropy (WCE)
w 是加在前景类上的权重,w的定义如下:
即预测概率图中,所有像素预测为背景的概率之和/所有像素预测为前景的概率之和。
1.2 Dice loss (DL)