论文地址:https://arxiv.org/abs/2006.14822 代码:https://github.com/shruti-jadon/Semantic-Segmentation-Loss-Functions 来源:瞻博网络,马萨诸塞大学阿默斯特分校 论文名称:A survey of loss functions for semanticsegmentation 原文作者:Shruti Jadon
图像分割一直是一个活跃的研究领域,因为它有潜力修补医疗保健中的漏洞,并帮助大众。在过去的5年里,有很多的论文提出了不同的目标损失函数用于不同的情况,如偏置数据,稀疏分割等。在本文中,我们总结了大多数在图像分割中广泛使用的且众所周知的损失函数,并列出了使用它们可以帮助更快和更好地收敛模型的情况。此外,我们还引入了一种新的log-cosh dice损失函数,并将其在NBFS头骨剥离数据集上的性能与广泛使用的损失函数进行了比较。通过本文展示了一些损失函数在所有数据集上性能都很不错,可以作为未知分布的数据集上一个好的选择
下面是论文具体框架结构以及实验结果:
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请联系删除。