机器学习基础：Dice Loss（Machine Learning Fundamentals: Dice Loss）

目的

为了验证dice作为loss function，是否会被分割物体面积的大小所影响，设计本实验。

实验1

控制住GrundTruth不便，预测结果从小到大线性变化，另外给预测的右下脚加一个假阳性区域。

结果

实验2

让ground truth 和预测的结果同时非线性的变大，保持预测结果和ground truth的误差为同一个值。

结果

实验3

让ground truth非线性变大，但是预测的结果总是ground truth的0.5倍，且重合。

结果1

此时smooth为1e-5

结果2

此时smooth为1e-20

结论

1. 由实验1结果可以看出：随着预测面积的线性变化，dice是非线性变化的，而jaccard是线性变化的

2. 由实验1结果，实验2结果，实验3结果可以看出：相同情况下dice的数值会比jaccard的数值更高一些

3. 从实验3中的结果2看出：无论是dice还是jaccard，他们都不会受到图像面积大小的影响，而只和面积重合率有关

4. 从实验3中的两个结果可以看出：smooth项会对结果产生一定的影响，因此需要根据所需的实验精度设置smooth项，否则会受到影响

综上，dice作为loss function不会受到被分割物体面积的影响。