A survey of loss functions for semantic segmentation

论文链接：https://arxiv.org/abs/2006.14822

本文将语义分割的损失函数分成四大类，共计15种loss，详细介绍各种loss的公式和来源，作者团队：马萨诸塞大学阿默斯特分校

图像分割一直是研究的活跃领域，因为它具有修复"医疗保健"漏洞和帮助大众的潜力。 在过去的5年中，各种论文提出了在不同情况下使用的不同客观损失函数，例如biased data，稀疏分割等。在本文中，我们总结了大多数广泛用于图像分割和列出了使用它们可以帮助模型更快更好地收敛的情况。 此外，我们还引入了新的对数-cosh dice 损失函数，并将其在NBFS头骨剥离中的性能与广泛使用的损失函数进行了比较。我们展示了某些损失函数在所有数据集上的表现都很好，并且可以作为未知分布数据集的不错选择。

内容中包含的图片若涉及版权问题，请及时与我们联系删除