交叉熵、Dice 与焦点损失在海冰类型分割中的比较
计算机视觉与模式识别
2023-10-27 v1 图像与视频处理
摘要
最新的海冰图对于冰区水域的安全航行至关重要。近来，卷积神经网络（CNN）模型展现出加速大区域冰图生成的潜力。然而，CNN 模型的结果仍须经过审查，因为更高的指标性能并不总对应充分的输出。海冰类型类别不平衡，在训练时需要特殊处理。我们评估了三种不同损失函数（其中一些为不平衡类别问题而开发）如何影响训练用于预测 Sentinel-1 图像中主导冰类型的 CNN 模型性能。尽管 Dice 与焦点损失产生了更高的指标，交叉熵的结果似乎总体上更具物理一致性。
引用
@article{arxiv.2310.17135,
title = {Comparison of Cross-Entropy, Dice, and Focal Loss for Sea Ice Type Segmentation},
author = {Rafael Pires de Lima and Behzad Vahedi and Morteza Karimzadeh},
journal= {arXiv preprint arXiv:2310.17135},
year = {2023}
}