骰子系数大于 1

Question

我在训练UNET的时候，dice coef和iou有时会变得大于1，iou > dice，然后经过几批又会恢复正常。如图picture.

我将它们定义如下：

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_pred，但这会导致性能变差。我觉得由于输出是 sigmoid 激活的，是否添加 K.abs() 是否应该给出相同的结果？另外，正如您所看到的，我的准确性很奇怪，我一直依靠骰子来判断我的模型性能，如果有人能指出这个问题会更好。

Answer 1

我相信您的 y_true 图片可能不在 0 到 1 之间的范围内....您确定它们不在 0 到 255 之间吗？或者他们只有一个频道（而不是 3 个频道？）

这应该不是原因，但您使用的是批量骰子，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() 来表示 "smooth"（非常小的东西）。

iou也是如此：

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)

骰子系数大于 1

Dice coef greater than 1

image-segmentation

deep-learning

keras