骰子/提卡系数优化

Question

我试图用骰子或Jaccard的系数来优化我的网络。我的问题是一个图像分割问题，所以我的输出是一个形状张量（1，256，256，11）。为了计算我的输出和我拍摄的真实图像的交集

tf.argmax(output, axis = 3)

它返回一个“int”的数据类型，tensorflow优化器（特别是AdamOptimizer）似乎不接受它，所以我将它转换为一个

^{pr2}$

然而，似乎并没有定义一个梯度转铁器铸造（或tf.argmax公司在这件事上）。有人能成功地实施吗

Answer 1

运算tf.argmax()是不可微的，这就是为什么没有实现梯度。不能直接优化Jaccard，因为它是不可微的。在

准确度也是如此，当你训练一个分类器时，即使你只关心准确度，你也会优化一个可微损失，因为准确度是不可微的。在

因此，您的问题没有解决方案，您必须使用一个可以区分和优化损失的损失函数，而不是jaccard。在

Answer 2

今天我遇到了同样的问题，我意识到如果没有tf.argmax()函数，计算骰子损失是不可能的，这个函数没有梯度。在

对于类似情况，一种可能的解决方案是使用广义dice系数，即将softmax预测与“一个热点”地面真实图像结合作为输入。在