dice_loss

paddle.fluid.layers.dice_loss(input, label, epsilon=1e-05)[源代码]

该OP用来比较预测结果跟标签之间的相似度,通常用于二值图像分割,即标签为二值,也可以做多标签的分割。

dice_loss定义为:

\[\begin{split}dice\_loss &= 1- \frac{2 * intersection\_area}{total\_rea}\\ &= \frac{(total\_area−intersection\_area)−intersection\_area}{total\_area}\\ &= \frac{union\_area−intersection\_area}{total\_area}\end{split}\]
参数:
  • input (Variable) - 分类的预测概率,秩大于等于2的多维Tensor,维度为 \([N_1, N_2, ..., N_k, D]\) 。第一个维度的大小是batch_size,最后一维的大小D是类别数目。数据类型是float32或者float64
  • label (Variable)- 正确的标注数据(groud truth),与输入 input 的秩相同的Tensor,维度为 \([N_1, N_2, ..., N_k, 1]\) 。第一个维度的大小是batch_size,最后一个维度的大小是1。数据类型为int32或者int64
  • epsilon (float,可选) - 将会加到分子和分母上的数,浮点型的数值。如果输入和标签都为空,则确保dice为1。默认值:0.00001

返回: 按上述公式计算出来的损失函数的结果所表示的Tensor,shape为[batch_size, 1],数据类型与 input 相同

返回类型: Variable

代码示例

import paddle.fluid as fluid
x = fluid.layers.data(name='data', shape = [3, 224, 224, 2], dtype='float32')
label = fluid.layers.data(name='label', shape=[3, 224, 224, 1], dtype='float32')
predictions = fluid.layers.softmax(x)
loss = fluid.layers.dice_loss(input=predictions, label=label)