python - DICE 损失太低，但预测和标签之间没有重叠

Question

我正在尝试使用我在这里找到的 Unet https://github.com/zhixuhao/unet实现对 MRI 图像横截面区域的骨骼分割。标签是一个二进制 png 图像，我打算将其与我的预测进行比较。对于帧，我为我的 DICOM MRI 文件编写了自己的数据加载器

我在 keras 中使用以下骰子损失

def DiceLoss(targets, inputs, smooth=1e-6):

#flatten label and prediction tensors
inputs = K.flatten(inputs)
targets = K.flatten(targets)

intersection = K.sum(K.dot(targets, inputs))
dice = (2*intersection + smooth) / (K.sum(targets) + K.sum(inputs) + smooth)
return 1 - dice

我在 kaggle https://www.kaggle.com/bigironsphere/loss-function-library-keras-pytorch 中看到了它，以及我在那里发现的 Keras 中的其他类似实现。

但是即使预测和标签之间没有重叠，DICE 损失总是太小（10^-4）。为什么是这样？我应该先将我的预测转换为二进制掩码吗？如果是这样，我怎么能在 keras 中做到这一点？我尝试targets通过执行 targets.numpy() 转换为 numpy 数组，然后应用阈值，但它会引发“张量没有属性 numpy”错误。你还有别的想法吗？

谢谢你

标签： pythontensorflowkerasdiceloss