Keras 骰子系数大于1

当我在训练UNET时，骰子coef和iou有时会大于1，并且

iou>dice

，然后经过几批之后，它们会恢复正常。 如图所示

我将其定义如下：

def dice_coef(y_true, y_pred, smooth=1):
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = K.sum(y_true_f * y_pred_f)
    return (2. * intersection + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)

def iou(y_true, y_pred, smooth=1):
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = K.sum(y_true_f * y_pred_f)
    union = K.sum(y_true_f) + K.sum(y_pred_f) - intersection
    return (intersection + smooth) / (union + smooth)

def dice_loss(y_true, y_pred):
    return 1. - dice_coef(y_true, y_pred)

---

我曾尝试将

K.abs（）

添加到y\u pred，但这会导致性能更差。我觉得既然输出是sigmoid激活的，那么是否添加

K.abs（）

应该会得到相同的结果？另外，正如你所看到的，我的准确性很奇怪，我一直依赖骰子来判断我的模型性能，如果有人能指出这个问题，我会做得更好

我相信您的

y\u true

图像可能不在0到1之间。。。。您确定它们不在0和255之间吗？或者他们只有一个通道（而不是三个通道？）

这不应该是原因，但您使用的是批处理骰子，您应该使用图像骰子：

def dice_coef(y_true, y_pred, smooth=1):
    y_true_f = K.batch_flatten(y_true)
    y_pred_f = K.batch_flatten(y_pred)

    intersection = K.sum(y_true_f * y_pred_f, axis=-1)
    sums = K.sum(y_true_f, axis=-1) + K.sum(y_pred_f, axis=-1)

    return (2. * intersection + smooth) / (sums + smooth)

通常，我使用

K.epsilon（）

表示“平滑”（非常小的东西）

这同样适用于

iou

：

def iou(y_true, y_pred, smooth=1):
    y_true_f = K.batch_flatten(y_true)
    y_pred_f = K.batch_flatten(y_pred)

    intersection = K.sum(y_true_f * y_pred_f, axis=-1)
    union = K.sum(y_true_f, axis=-1) + K.sum(y_pred_f, axis=-1) - intersection
    return (intersection + smooth) / (union + smooth)

通道骰子示例：

#considering shape (batch, classes, image_size, image_size)
def dice_coef(y_true, y_pred, smooth=1):

    intersection = K.sum(y_true * y_pred, axis=[2,3])
    sums = K.sum(y_true, axis=[2,3]) + K.sum(y_pred, axis=[2,3])

    dice = (2. * intersection + smooth) / (sums + smooth)
    return K.mean(dice, axis=-1)

---

你的

y\u真的

图像真的介于0和1之间吗？检查此项。也许您可以共享您的

模型.summary（）

，层的定义（至少是最后一层），以及

y\u true

的“测量”形状和范围。（我知道你说没关系，但有时我们会弄错，我们每个人：p）你是对的！！！我的y_真值不在（0,1）中：（我已经修复了它，谢谢Scool:）--所以如果你认为它解决了所有问题，请将答案标记为有效：）我的y_真值为1或0，并且具有形状（无，3，512，512），但它不是RBG，而是轴=1上连接的3个灰度遮罩。我使用“通道优先”数据格式。我可以知道为什么我应该使用图像骰子吗？为什么批量骰子>1？问题不是批量骰子。这不是大于1的原因，我仍然相信Yu-true或Yu-pred都有问题使用图像骰子更好，因为批量骰子对大的遮罩效果很好，但对小的遮罩效果很差。你甚至可以尝试一个通道骰子，因为你有3个通道。