主要内容

dicePixelClassificationLayer

创建像素分类层使用广义骰子损失进行语义分割

展开全部页面

描述

Dice像素分类层使用广义Dice损失为每个图像像素或体素提供分类标签。

该层使用广义Dice损失来缓解语义分割问题中的类不平衡问题。广义骰子损失控制每个类对损失的贡献，通过预期区域的逆大小对类进行加权。

创建

语法

layer = dicePixelClassificationLayer
层= dicePixelClassificationLayer(名称，值)

描述

例子

层= dicePixelClassificationLayer为语义图像分割网络创建一个Dice像素分类输出层。该层输出经过CNN处理的每个图像像素或体素的分类标签。该层在训练过程中自动忽略未定义的像素标签。

层= dicePixelClassificationLayer(名称,值)返回一个Dice像素分类输出层，使用Name,Value对参数设置可选类而且的名字属性。可以指定多个名称-值对。将每个属性名用引号括起来。

例如,dicePixelClassificationLayer('名称',' pixclass ')创建一个名称为的Dice像素分类层“pixclass”．

属性

全部展开

类的输出层，指定为分类向量、字符串数组、单元格字符向量数组或“汽车”．如果类是“汽车”，然后软件在训练时间自动设置课程。如果指定字符向量的字符串数组或单元格数组str，则软件将输出层的类设置为分类(str, str)．

数据类型:字符|分类|字符串|细胞

此属性是只读的。

层的输出大小。取值为“汽车”，并在训练时指定为数值。

此属性是只读的。

用于训练的损失函数，指定为“generalizedDiceLoss”．

层名，指定为字符向量或字符串标量。为层数组输入时，trainNetwork(深度学习工具箱)，assembleNetwork(深度学习工具箱)，layerGraph(深度学习工具箱),dlnetwork(深度学习工具箱)函数自动为具有该名称的层分配名称”．

数据类型:字符|字符串

此属性是只读的。

该层的输入数量。该层只接受单个输入。

数据类型:双

此属性是只读的。

输入层的名称。该层只接受单个输入。

数据类型:细胞

例子

全部折叠

这个例子使用了:

打开实时脚本

使用广义骰子损失函数预测输入图像中每个像素的分类标签。

图层= [imageInputLayer([480 640 3])卷积2dlayer (3,16，“步”，2，“填充”，1) reluLayer转置conv2dlayer (2,4，“步”，2) softmaxLayer dicePixelClassificationLayer]
2 "二维卷积16个3x3卷积与stride[2 2]和填充[1 1 1 1 1 1]3 " ReLU ReLU 4 "二维转置卷积4个2x2转置卷积与stride[2 2]和裁剪[0 0 0 0 0]5 " Softmax Softmax 6 "骰子像素分类层广义骰子损失

更多关于

全部展开

参考文献

克拉姆，威廉·R，奥斯卡·卡马拉，德里克·希尔。医学图像分析中评价和验证的广义重叠度量IEEE医学影像汇刊．2006年11月25日，第1451-1461页。

[2]苏德瑞，卡罗尔H.，等。“广义骰子重叠作为高度不平衡分割的深度学习损失函数。”医学图像分析中的深度学习和临床决策支持的多模态学习金宝app．施普林格，Cham, 2017，第240-248页。

[3]米莱塔里，福斯托，纳赛尔·纳瓦布，赛义德·艾哈迈德·艾哈迈迪。V-Net:用于体积医学图像分割的全卷积神经网络。第四届3D视觉国际会议(3DV)．斯坦福，加州，2016:第565-571页。

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

版本历史

R2019b引入

另请参阅

(深度学习工具箱)||||||

主题