使用广义骰子损失创建像素分类层进行语义分割
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。
该层使用广义骰子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,方法是用期望区域的反大小加权类。
威廉·R·克拉姆、奥斯卡·卡马拉和德里克·LG·希尔。医学图像分析中评估和验证的广义重叠度量IEEE医学影像汇刊.第2页,2006,第2 - 3页。
苏德雷,Carole H.,等。“广义骰子重叠是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, pp. 240-248。
[3] Milletari, Fausto, Nassir Navab和Seyed-Ahmad Ahmadi。V-Net:用于医学图像分割的完全卷积神经网络。第四届国际3D视觉会议(3DV).斯坦福,加州,2016:565-571页。
fcnLayers
|pixelClassificationLayer
|pixelLabelDatastore
|pixelLabelImageDatastore
|segnetLayers
|semanticseg
|trainNetwork
(深度学习工具箱)