Boundary loss for highly unbalanced segmentation
摘要
用于CNN分割广泛使用的损失函数是Dice和交叉熵损失函数,这些损失函数是基于分割区域的积分,这类损失函数在高度不平衡的分割问题中,这种区域总和的值在不同类之间有几个数量级的差异。
本文为了应对类不平衡问题,提出了一种边界损失,它的形式是轮廓空间上的距离度量,而不是区域。这可以减轻高度不平衡问题的困难,此外这个边界损失补充了区域信息。
Introduction
广泛使用的用于分割的损失函数,例如Dice或交叉熵,基于区域积分,这便于训练深度神经网络。在实践中,这些区域积分是可微函数的分割区域的总和,每个区域直接调用SoftMax以最大概率进行输出。
基于卷积神经网络(CNN)的分割方法通常通过最小化交叉熵(CE)来训练,该交叉熵测量由网络的概率softmax输出的预测结果与相应的真实区域之间的差异。加权交叉熵是对交叉熵损失的改进,对缓解类不平衡问题有一定的效果但在处理高度不平衡数据时效果同样也不好。
Dice系数也被用作区域损失函数,在不平衡医学图像分割问题中通常优于CE。尽管与CE相比有了这些改进,但在处理非常小的结构时,DiceLoss可能会遇到困难。
TverskyLoss在准确度和召回率之间提供更好的权衡。它引入了两个控制假阳性和假阴性重要性的参数
贡献
提出了一种边界损失,它采用轮廓(或形状)空间上的距离度量的形式,而不是区域。我们认为在高度不平衡的分割问题中,边界损失可以减轻与区域损失相关的问题。边界损失不是在区域上使用不平衡积分,而是在区域之间的边界(界面)上使用积分。
CE loss和Dice loss分别是基于分布和基于区域的损失函数,本文提出了一种基于边界的损失函数,它在轮廓空间而不是区域空间上采用距离度量的形式。边界损失计算的不是区域上积分,而是区域之间边界上积分,因此可以缓解高度不平衡分割问题中区域损失的相关问题。
方法
Boundary loss for highly unbalanced segmentation相关推荐
- 3D Segmentation with Exponential Logarithmic Loss for Highly Unbalanced Object Sizes
3D Segmentation with Exponential Logarithmic Loss for Highly Unbalanced Object Sizes 现有大多数的网路只能处理相对较 ...
- Boundary Loss 原理与代码解析
paper:Boundary loss for highly unbalanced segmentation Introduction 在医学图像分割中任务中通常存在严重的类别不平衡问题,目标前景区域 ...
- Boundary loss 损失函数
Boundary loss由<Boundary loss for highly unbalanced segmentation>这篇文章提出,用于图像分割loss MIDL 2019,还是 ...
- Generalised Dice Overlap as a Deep Learning Loss Function for Highly Unbalanced Segmentations
一.摘要: 1.问题:无论是2D还是3D分割都会出现数据不平衡的问题 为了解决这个问题,提出了加权交叉熵损失,灵敏度损失,和dice损失 2.我们做了什么? 调查了不同损失函数对不平衡标签下,学习率不 ...
- 粗读Active Boundary Loss for Semantic Segmentation
本文通过让一个损失函数关注边界相关的信息,来提高在边界处的分割效果.整个思路麻烦且不直观,我直接讲方法吧. 第一步,将GT中边界部分设为0,然后运算distance transform函数,让其他非0 ...
- 【今日CV 计算机视觉论文速览 第148期】Mon, 29 Jul 2019
今日CS.CV 计算机视觉论文速览 Mon, 29 Jul 2019 Totally 42 papers ?上期速览✈更多精彩请移步主页 Interesting: ?****TOM-Net学习透明物体 ...
- 【今日CS 视觉论文速览】19 Dec 2018
今日CS.CV计算机视觉论文速览 Wed, 19 Dec 2018 Totally 45 papers Daily Computer Vision Papers [1] Title: Learning ...
- (三十一:2021.01.12)MICCAI 2018 追踪之论文纲要(下)
讲在前面 这部分是PART III和PART IV. 论文目录 PART III Diffusion Tensor Imaging and Functional MRI: Diffusion Tens ...
- 「MICCAI 2018」Reading Notes
QQ Group: 428014259 Sina Weibo:小锋子Shawn Tencent E-mail:403568338@qq.com http://blog.csdn.net/dgyuans ...
- Weakly Supervised Semantic Segmentation with Boundary Exploration
Weakly Supervised Semantic Segmentation with Boundary Exploration 摘要 1 Introduction 2 Related Work 3 ...
最新文章
- 干货|对某杀猪盘的渗透测试
- 值得永久收藏的 C# 设计模式套路(三)
- 《OpenCL异构计算》新版中译本派送中!
- MongoDB简介、在node中使用MongoDB
- Nanachi发布:基于 React 的多端小程序转译框架
- iOS 11 下 UICollectionView 出现滚动条被 HeaderView 遮挡的问题
- 特征工程系列学习(零)引言
- php gd support not found.,安装php71w-gd并获取错误GD库扩展不适用于此PHP安装
- pythonfilelist_Python 列表list使用介绍
- Navigation Timing API 准确掌握浏览器各项开销时间
- kali wifi密码 破解
- 机器学习笔记 - 基于最简单的编码器/解码器架构SegNet进行语义分割
- 胡寿松自动控制原理第7版笔记和课后答案
- 看完一篇论文,如何写该论文研究思路?
- java为什么用咖啡?
- HDFS_数据加密空间
- 计算机键盘的标点怎么打出来,电脑键盘上的标点符号怎么打(教你如何输入正确的标点符号)...
- Ubuntu16.04安装gazebo8并加载模型库
- 七个研究生必备高效科研网站
- —— GPS测量原理及应用复习-8 ——