语义分割-尽管使用了二进制交叉熵,但仍使用分类交叉熵来进行二进制图像分割

时间:2019-11-20 12:31:35

标签: computer-vision image-segmentation cross-entropy semantic-segmentation

我已经阅读了SO和CValidated的书,但仍然觉得我不完全理解以下内容。

如果我进行了二进制分割(考虑到医疗问题,即您的组织健康且受损),那么使用BCE或CCE更好?

有人说(我完全理解),对于二进制分类,CCE在计算上比BCE昂贵,并且没有理由使用CCE。虽然我了解理由,但我还没有找到一项可以将最终输出/结果进行并排比较的研究(BCE与CCE的验证/测试数据集上的Acc / Dice / Jaccard指标)。

在二进制分割中,是否存在明显的BCE优于CCE或相反的情况?

1 个答案:

答案 0 :(得分:1)

在以下链接Binary cross entropy Vs categorical cross entropy with 2 classes中提供了答案。

从数学角度(结果,不是计算开销)来看,两个类的softmax完全相同,就像BCE一样,答案与@ f4f相同。