使用自适应对数损失惩罚小误差
图像与视频处理
2021-04-09 v2 计算机视觉与模式识别
摘要
损失函数是量化预测与其对应真值之间差异的误差度量。从根本上说，它们定义了供梯度下降遍历的函数景观。尽管迄今为止已提出众多损失函数以处理各种机器学习问题，但很少有关注增强这些函数以更好地遍历损失景观的研究。在本文中，我们同时且显著地缓解了医学图像分割中两个突出问题：i) 前景与背景像素之间的类别不平衡，以及 ii) 损失函数收敛性差。为此，我们提出一种自适应对数损失函数。我们在 ISIC 2018 数据集、细胞核分割数据集以及 DRIVE 视网膜血管分割数据集上将该函数与现有 SOTA 进行比较。我们在基准度量上衡量我们方法的性能，并展示了 SOTA 性能。更一般地，我们表明我们的系统可用作深度神经网络更好训练的框架。
引用
@article{arxiv.1910.09717,
title = {Penalizing small errors using an Adaptive Logarithmic Loss},
author = {Chaitanya Kaul and Nick Pears and Hang Dai and Roderick Murray-Smith and Suresh Manandhar},
journal= {arXiv preprint arXiv:1910.09717},
year = {2021}
}
备注
Published at AIHA 2020 (ICPR 2020 Workshop)