圖像分割評價指標 - dice coefficient

參考鏈接：https://blog.csdn.net/Biyoner/article/details/84728417
https://en.wikipedia.org/wiki/S%C3%B8rensen%E2%80%93Dice_coefficient
https://www.aiuai.cn/aifarm1159.html
評價指標參考鏈接：https://blog.csdn.net/Pierce_KK/article/details/96505691

一、Dice介紹

dice coefficient是用於評估兩個樣本的相似性的統計量，本質上是衡量兩個樣本的重疊部分。
公式：

|x|、|Y|分別表示每個集合中元素數。其中，分子中的係數 2，是因爲分母存在重複計算 X 和 Y 之間的共同元素的原因。
dice loss比較適用於樣本極度不均的情況，一般的情況下，使用 dice loss 會對反向傳播造成不利的影響，容易使訓練變得不穩定。
可以用如下公式，使Dice作爲損失函數來使用：
soft dice loss=1-DSC

二、Dice的計算

import keras.backend as K

• ${\color{DarkOrange} |X|\cap |Y|} 常見計算方法：$

	X= K.flatten(y_true)
    Y = K.flatten(y_pred)
    intersection = K.sum(X * Y)

• $|X|、|Y|常見計算方法:$

	K.sum(X) 
 	K.sum(Y)

• $Dice:$

def dice_coef(y_true, y_pred, smooth=1e-3):
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = K.sum(y_true_f * y_pred_f)
    return K.mean((2. * intersection + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth))

其中smooth目的：防止分母爲0