CVPRMay, 2017
Lovász-Softmax 损失函数:神经网络中交并比最优化时的可行替代
The Lovász-Softmax loss: A tractable surrogate for the optimization of the intersection-over-union measure in neural networks
Maxim Berman, Amal Rannen Triki, Matthew B. Blaschko
TL;DR该研究提出了一种基于凸形 Lovász 扩展损失的直接优化平均交并比损失的方法,并在语义图像分割的情况下应用于神经网络,证明了该方法在整个数据集上优化 Jaccard 指数时性能更好,基于该方法的语义分割管道在 PASCAL VOC 和 Cityscapes 数据集上取得了显着改善的交并比分割得分。