Python 如何计算用于多类图像分割的多类骰子系数？

我正在尝试训练一个用于多类分割的网络，我想使用骰子系数（参见）作为损失函数，而不是交叉熵

你可以看看这个公式（其中S是分段，G是基本真理。）

一个简单的解决方案是取每个类的骰子系数的平均值，并将其用于损失函数。这种方法不会区分面积较大的类和像素数较少的类（体素）

---

有人有什么建议吗

如果您有多个类，并且这些类是分类的，没有顺序关系，例如，我们并不意味着

dog

比

cat

小，因为我们分别设置了标签

1

和

2

，您应该已经在使用一个热编码标签了。因此，您可以使用下面的函数计算骰子系数

import numpy as np

def dice_coef(y_true, y_pred, epsilon=1e-6):
"""Altered Sorensen–Dice coefficient with epsilon for smoothing."""
    y_true_flatten = np.asarray(y_true).astype(np.bool)
    y_pred_flatten = np.asarray(y_pred).astype(np.bool)

    if not np.sum(y_true_flatten) + np.sum(y_pred_flatten):
        return 1.0

    return (2. * np.sum(y_true_flatten * y_pred_flatten)) /\
           (np.sum(y_true_flatten) + np.sum(y_pred_flatten) + epsilon)

这里额外的一位是，如果预测标签和真实标签都为空，我们得到

1