深度学习 损失函数综述
作者:互联网
语义分割损失函数
在文章开始之前先贴出参考:A survey of loss functions for semantic segmentation,代码地址,语义分割资源综述。我主要是参考这两个方面,然后其他更多资料也可以自行Google一下。本文章主要是以A survey of loss functions for semantic segmentation为主展开,并且尽可能地配上代码。
基于分布损失函数(Distribution-base loss)
Binary Cross-Entropy
公式:
该损失主要是针对二分类的损失,当背景数量>>目标像素数量,模型会严重偏向背景
Weighted Cross-Entropy
为解决分类类别不均衡问题,提出了Weighted Cross-Entropy。公式:
Balanced Cross-Entropy
这个损失函数的公司类似于MAE。与Weighted Cross-Entropy不同的是,Balanced Cross-Entropy对负样本也进行加权。
公式:
Focal Loss
Distance map derived loss penatly term
基于区域损失函数(Region-based)
Dice Loss
Sensitivity-Specificity Loss
Tversky Loss
论文地址:https://arxiv.org/pdf/1706.05721.pdf
Focal Tversky Loss
Log-Cosh Dice Loss
基于边界的损失函数(Boundary-based)
Hausdorff Distance Loss
Shape aware Loss
复合的损失函数(Compounded Loss)
Combo Loss
Exponential Logarithmic Loss
总结
参考
标签:Loss,函数,综述,loss,Cross,损失,Entropy,深度 来源: https://blog.csdn.net/u012655441/article/details/120373886