**來自cvpr2020，《a survey of loss functions for semantic segmentation》, code
作者彙總了在語義分割領域中常用的幾種損失函式，並列出其適用場景。同時，作者也剔除了一種新的損失函式（log-cosh dice loss function）。
a、binary cross-entropy（bce）
在做畫素級別的分類時，它的效果較好。主要用於畫素級別的二分類。定義如下：
其中，b、weight binary cross-entropy（wce）
是bce的一種變體，對正樣本乘上乙個係數，以此來調節false negatives和false positives。**公式定義如下（個人認為，作者筆誤，寫錯了）：
語義分割綜述
目前語義分割的流行框架可以分為前端 後端。前端採用fcn定位不同類別的物體，後端採用rf crf mrf 精確定位物體邊界。也就是說，前端解決 是什麼 what 後端解決 在 where 可以把語義分割網路分為兩類 以fcn為代表的編解碼器 encode decode 網路 以deeplab為代表的...
損失函式綜述
損失函式 loss function 又叫做代價函式 cost function 是用來評估模型的 值與真實值不一致的程度，也是神經網路中優化的目標函式，神經網路訓練或者優化的過程就是最小化損失函式的過程，損失函式越小，說明模型的 值就越接近真是值，模型的健壯性也就越好。常見的損失函式有以下幾種 1...
語義分割 常見方法 綜述
背景 語義分割，就是將影象中感興趣的目標進行識別，並將其標記出來 involves partitioning images or video frames into multiple segments or objects 的過程，隨著影象處理和計算機視覺的大熱，對語義分割的準確率和速度要求也不斷提...