深度学习 损失函数综述

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

1. 一文看尽15种语义分割损失函数（含代码解析）

标签：Loss,函数,综述,loss,Cross,损失,Entropy,深度
来源： https://blog.csdn.net/u012655441/article/details/120373886