Tensorflow 中的 Dice/Jaccard 系数优化

Question

我正在尝试使用 Dice 系数或 Jaccard 系数来优化我的网络。我的问题是图像分割问题，因此我的输出是形状为 (1, 256, 256, 11) 的张量。为了计算我的输出和真实图像的交集，我采取

tf.argmax(output, axis = 3)

它返回一个“int”数据类型，张量流优化器（特别是AdamOptimizer）似乎不接受，所以我然后将其转换为浮点数

tf.cast(tf.argmax(output, axis = 3), tf.float32)

然而，似乎没有为 tf.cast （或 tf.argmax ）定义梯度。有没有人能够成功实施

Answer 1

该操作tf.argmax()是不可微分的，这就是梯度未实现的原因。你不能直接优化 Jaccard，因为它是不可微分的。

准确性也会发生同样的情况，当您训练分类器时，即使您只关心准确性，也会优化可微分损失，因为准确性是不可微分的。

因此，您的问题没有解决方案，您必须使用可以区分和优化该损失的损失函数，而不是 jaccard。