python - 如何为多类图像分割计算多类骰子系数？

Closed. This question needs to be more focused。它目前不接受答案。
想改进这个问题吗？更新问题，使其只关注一个问题editing this post。
去年关门了。
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this）作为损失函数，而不是交叉熵。
您可以查看公式here（其中S是分段，G是基本真理）
一个简单朴素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小的类（体素）。
有人有什么建议吗？

最佳答案

如果您有多个类，并且这些类是没有顺序关系的范畴，例如，我们并不意味着dog小于cat仅仅因为我们分别设置了labels1和2，您应该已经使用了一个热编码标签。因此，你完全可以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)

这里的额外位是，如果predicted和true标签都是空的，我们将得到1。