dicePixelClassificationLayer
创建像素分类层使用广义骰子损失进行语义分割
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
属性
例子
更多关于
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
版本历史
R2019b引入
另请参阅
trainNetwork
(深度学习工具箱)|semanticseg
|pixelLabelImageDatastore
|pixelLabelDatastore
|fcnLayers
|segnetLayers
|pixelClassificationLayer
主题
- 基于深度学习的三维脑肿瘤分割
- 开始使用深度学习进行语义分割
- 深度学习层列表(深度学习工具箱)
- MATLAB深度学习(深度学习工具箱)
- 指定卷积神经网络的层数(深度学习工具箱)