VNET骰子损失大于1

文章/答案/技术大牛

发布

1回答

tensorflow、keras、dice、vnet

我正在使用Keras 2.2.4和Tensorflow 1.12.0训练Vnet解决分段问题(我无法更改tensorflow版本)。掩码，即y_true，是(1,200,150,100,2)阵列。我想最大限度地减少骰子损失，定义为： “”“ def dice_loss_foreground(y_true, y_pred): predicted_per_class=tf.mat

浏览 31提问于2021-01-12得票数 0

回答已采纳

1回答

骰子系数大于1

keras、deep-learning、image-segmentation

当我在训练UNET时，骰子系数和借条有时会变得大于1和iou > dice，然后在几个批次之后它们又会变得正常。如所示。我将它们定义为： y_true_f = K.flatten(y_true) def iou(y_true, y_

浏览 94提问于2020-02-06得票数 5

回答已采纳

1回答

如何理解模型损耗输出和骰子芯

python、tensorflow、keras

= Conv2D(64, (5, 5), activation='relu', padding='same', data_format="channels_last", name='conv1_1')(, name='conv1_2')(conv1) pool1 = MaxPooling2D(pool_size=(2, 2), data_format="channels_last"

浏览 1提问于2020-07-07得票数 0

回答已采纳

1回答

骰子系数在1以上

tensorflow、keras、unet-neural-network

以下是我用tensorflow训练模型时损失的定义。 return -dice_coef(y_true, y_pred) intersection = K.sum(K.abs(y_true * y_pred), axis=-1) union = K.sum(y_true,-1) + K.sum(y_pred,-1</

浏览 5提问于2019-11-26得票数 2

1回答

在神经网络训练中保存最佳模型的准则？

deep-learning、cnn、cross-validation、loss-function、semantic-segmentation

我正在用U网进行4类语义分割，使用通用的骰子丢失作为损失函数.在我的例子中，使用验证损失作为标准并不能获得最佳的avg骰子分数。那么，我应该考虑什么是最好的模型，即验证损失较少或验证骰子得分最高的模型？下面是我的验证损失和avg骰子得

浏览 0提问于2021-05-10得票数 0

回答已采纳

2回答

如何用numpy编写骰子损失反向传播

python、numpy、backpropagation、dice、loss-function

我正试着自己写一个骰子损失函数。这是我写的前传。但是我不知道如何计算支撑力。我试着写一些，但它不起作用。或者骰子损失根本不需要支撑？alpha = 0.5 dice = tp / (tp + alpha * fn + belta * fp)

浏览 35提问于2019-06-03得票数 1

1回答

高精度但不丢失骰子的图像分割算法

python、tensorflow、deep-learning、conv-neural-network、tf.keras

但是为了最佳的过滤器组合，它以很好的精度为BCE绘制了图：定制函数的绘图，Dice_Loss by Dice_Coeff：一些由测试图像训练的最佳模型生成的图像：问题是，当我改变骰子丢失和系数为什么它在输骰子时表现这么差？你还推荐什么其他功能？我的骰子丢失和系数函数： def dice_coeff(y_true，y_pred，smooth=1)：交叉= K.sum(K.abs(y_true * y_pred)，轴= -1)返回(2.*交+光滑)/ (K.sum(

浏览 2提问于2020-03-09得票数 2

3回答

多类骰子丢失函数的实现

python、tensorflow、tensorflow2.0、semantic-segmentation

我对模型的输入是HxWxC，输出是，使用SparseCategoricalCrossentropy现在我也想试试骰子系数作为损失函数。执行情况如下， y_true = tf.cast(y_true, tf.float32) y_pre

浏览 2提问于2020-12-03得票数 3

回答已采纳

1回答

在使用完全卷积网络的语义分割中，为什么交叉熵损失比L1或L2损失更受欢迎？

machine-learning、optimization、deep-learning

我正在训练一个具有编码器-解码器架构的完全卷积网络，用于图像分割任务，目前正在使用二进制交叉熵损失进行前景/背景预测。我试图搜索和阅读关于为什么使用交叉熵损失而不是L1或L2损失的信息。交叉熵损失不能捕获图像的整体布局，而L1和L2考虑了整体图像重建。

浏览 2提问于2019-09-10得票数 0

1回答

实现骰子丢失

python、tensorflow、keras、image-segmentation

我想从实现这样的骰子丢失 """ = 2*sum(|A*B|)/(sum(A^2)+sum(B^2)) ""&quo

浏览 3提问于2021-12-30得票数 1

回答已采纳

2回答

神经网络概率输出和损失函数(例如:骰子损失)

neural-network、image-segmentation

一种常用的语义分割损失函数是骰子丢失函数。(见下图)。继续我对它的理解)利用它与神经网络，输出层可以产生标签的软件最大值或概率的乙状结肠。但是，骰子丢失是如何与概率输出一起工作的呢？分子将预测真理和地面真理的每个标签(1或0)相乘。两个像素都需要设置为1，才能位于绿色区域。像0.7这样的概率的结果是什么？分子是否会产生一个浮点数(即地面真值= 1，1和预测值= 0.7，0，分子的“绿色”面积为0.7)？

浏览 0提问于2020-06-09得票数 1

回答已采纳

1回答

损失不是表现的好指标吗？

deep-learning、cnn、visualization

我已经到了一个使用CrossEntropy和BCE获得非常好的验证损失的阶段。我得到的是非常不同的东西，而不是证明这种损失是正当的。样本的深度为32，我已经输出了每一个z平面作为一幅图像。以下是目标：以及预测的产出：所有的样本都是这样的，其中没有一个能准确地代表目标和报告的损失。所以我问我的损失是错的吗？我该怎么做才能解决这个问题？谢谢

浏览 0提问于2018-11-29得票数 1

回答已采纳

1回答

只有当概率在分母处平方时，骰子丢失才能工作。

deep-learning、computer-vision、pytorch、image-segmentation、loss-function

我正在经历一个有趣和令人沮丧的问题，与骰子损失使用的图像分割与Unet。其中，x_{c，i}是Unet预测的像素i和信道c的概率，y_{c，i}是对应的地面真相标签。我使用的修改版本是：注意分母处的

浏览 0提问于2021-03-08得票数 2

1回答

如果Vnet创建任务运行一次，则跳过该任务

azure、azure-devops、azure-pipelines

第一个任务集是"Azure资源组部署“，用于为AKS创建vnet /subnet。########-nic-0/ipConfigurations/ipconfig1: "1.0.0.0", "vnetNam

浏览 0提问于2019-12-26得票数 0

3回答

C#掷骰子方法

第一个方法抛出四个骰子并返回骰子总和。第二种方法估计总和，如果总和大于20，则打印“优秀”；如果总和大于12或总和小于或等于20，则打印“良好”；如果总和小于或等于12，则打印“差”。骰子是通过写行来掷的。int throwingdice = ran.nextInt(1,7); 我试了很多次，但都不起作用，有什么想法吗？

浏览 1提问于2011-12-08得票数 0

回答已采纳

1回答

骰子的损失在经历了几个时代之后就变成了NAN。

tensorflow、keras、image-segmentation、loss

我正在处理一个图像分割应用程序，其中丢失函数是骰子丢失。问题是损失函数在某一时期后变成了NAN函数。我正在做5倍交叉验证和检查验证和培训损失的每一次.对于某些褶皱，损失迅速变成NAN，有些褶皱则需要一段时间才能到达NAN。我在损失函数公式中插入了一个常数，以避免过流/流下，但仍然会出现同样的问题。我的输入在范围内- 1，1。我看到人们建议使用正则化和不同的优化，但我不明白为什么损失会在第一位。我已经粘贴了损失函数，以及下面一

浏览 3提问于2020-06-08得票数 2

1回答

解决此java算法的风险博弈骰子

java、algorithm、random、dice

就像在风险游戏中，我必须掷骰子，但我不想对每个滚动使用Random.nextInt()方法。出于某些原因，我已经有了攻击的结果，我只想简单地生成数据集的值。在风险博弈中，只对骰子进行排序和比较：4，3，5- 3，55，4，3- 5，34>3(防守失败)这是输入代码： int diceF

浏览 1提问于2014-10-02得票数 0

回答已采纳

2回答

以nan为损失值

deep-learning、pytorch、loss-function

遇到了一个以损失值为损失函数值的问题。这是对重点损失的实施： y_pred = torch.sigmoid(y_pred) y_pred**gamma *(1 - y_real) * torch.log(1

浏览 2提问于2020-12-15得票数 0

回答已采纳

1回答

每个实例的自定义丢失

python、keras、neural-network、conv-neural-network

下面是原始的骰子函数： y_true_f = K.flatten(y_true) intersection = K.sum(K.abs(y_true_f * y_pred_f), axis=-1) K.sum(K.square(y_true_f), -1) + K.sum(K.squar

浏览 2提问于2019-12-31得票数 0

2回答

Keras:如何处理语义分割任务中的不平衡类？

deep-learning、keras

model.inbound_nodes = [] else: head = Reshape((-1,conv1 (Conv2D) (None, None, None, 64) 1792

浏览 0提问于2018-03-28得票数 2

点击加载更多