『paddle』paddleseg 学习笔记：损失函数_how to use dice loss in paddle

---

1. BCELoss

# ../../../paddleseg/models/losses/binary_cross_entropy_loss.py
class paddleseg.models.losses.BCELoss(
            weight = None,
            pos_weight = None,
            ignore_index = 255,
            edge_label = False
)
1
2
3
4
5
6
7

Binary cross entropy 损失函数的实现。

参数

• weight (Tensor | str, optional): 对每个批数据元素的损失手动地重新调整权重。如果设定该参数，且
  若传入的是一个 1D 张量，则其尺寸为 [N, ]，其数据类型为 float32 或 float64；
  若传入的是一个 str，则值必须指定为 dynamic，以使在每轮迭代中根据二元交叉熵动态的计算权重。默认:'None'
• pos_weight (float|str, optional): 正样本的权重。若传入的是一个 str，则值必须指定为 dynamic，以使在每轮迭代中动态的计算权重。默认:'None'
• ignore_index (int64, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255
• edge_label (bool, optional): 是否使用边缘标签。 默认:False

2. BootstrappedCrossEntropyLoss

# ../../../paddleseg/models/losses/bootstrapped_cross_entropy.py
class paddleseg.models.losses.BootstrappedCrossEntropyLoss(
                        min_K, 
                        loss_th, 
                        weight = None, 
                        ignore_index = 255
)
1
2
3
4
5
6
7

Bootstrapped cross entropy 损失函数的实现。

参数

• min_K (int): 在计算损失时，参与计算的最小像素数。
• loss_th (float): 损失阈值。 只计算大于阈值的损失。
• weight (tuple|list, optional): 不同类的权重。 默认:None
• ignore_index (int, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。 默认:255

3. CrossEntropyLoss

# ../../../paddleseg/models/losses/cross_entropy_loss.py
class paddleseg.models.losses.CrossEntropyLoss(
                weight = None, 
                ignore_index = 255, 
                top_k_percent_pixels = 1.0
)
1
2
3
4
5
6

Cross entropy 损失函数的实现。

参数

• weight (tuple|list|ndarray|Tensor, optional): 为每个像素类别的损失手动调整权重。它的长度必须等同于像素类别数。可在多类样本不均衡等情况下调整各类的权重。 默认: None
• ignore_index (int64, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255
• top_k_percent_pixels (float, optional): 该值的取值范围为 [0.0, 1.0]。 当该值 < 1.0 时，仅计算前 k% 像素（例如，前 20% 像素）的损失。 这将有助于对难分像素的挖掘。

4. RelaxBoundaryLoss

# ../../../paddleseg/models/losses/decoupledsegnet_relax_boundary_loss.py
class paddleseg.models.losses.RelaxBoundaryLoss(
                border = 1,
                calculate_weights = False,
                upper_bound = 1.0,
                ignore_index = 255
)
1
2
3
4
5
6
7

Relax boundary 损失函数的实现。

参数

• border (int, optional): 边界的松弛值。默认:1
• calculate_weights (bool, optional): 是否计算所有类别的权重。 默认:False
• upper_bound (float, optional): 如果为所有类别计算权重，则指定权重的上限值。 默认:1.0
• ignore_index (int64): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255

5. DiceLoss

# ../../../paddleseg/models/losses/dice_loss.py
class paddleseg.models.losses.DiceLoss(
            ignore_index = 255, 
            smooth = 0.
)
1
2
3
4
5

Dice 损失函数的实现。

参数

• ignore_index (int64, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255
• smooth (float, optional): 可以添加该 smooth 参数以防止出现除 0 异常。你也可以设置更大的平滑值（拉普拉斯平滑）以避免过拟合。默认:0

6. EdgeAttentionLoss

# ../../../paddleseg/models/losses/edge_attention_loss.py
class paddleseg.models.losses.EdgeAttentionLoss(
                edge_threshold = 0.8, 
                ignore_index = 255
)
1
2
3
4
5

Edge attention 损失函数的实现。

参数

• edge_threshold (float): 值大于 edge_threshold 的像素被视为边缘。
• ignore_index (int64): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255

7. DualTaskLoss

# ../../../paddleseg/models/losses/gscnn_dual_task_loss.py
class paddleseg.models.losses.DualTaskLoss(
            ignore_index = 255, 
            tau = 0.5
)
1
2
3
4
5

Dual task 损失函数的实现。

参数

• ignore_index (int64): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255
• tau (float): Gumbel softmax 样本的 tau。

8. L1Loss

# ../../../paddleseg/models/losses/l1_loss.py
class paddleseg.models.losses.L1Loss(
            reduction = 'mean', 
            ignore_index = 255
)
1
2
3
4
5

L1 损失函数的实现。

参数

• reduction (str, optional): 指示应用于损失值的 reduction 方式，可以指定为 'none' 或 'none' 或'sum'。

  • 如果 reduction 为 'none'， 不对损失值做任何处理直接返回；
  • 如果 reduction 为 'mean'， 返回经 Mean 处理后的损失；
  • 如果 reduction 为 'sum'， 返回经 Sum 处理后的损失。
  • 默认:'mean'

• ignore_index (int, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255

9. MSELoss

# ../../../paddleseg/models/mean_square_error_loss.py
class paddleseg.models.losses.MSELoss(
            reduction = 'mean', 
            ignore_index = 255
)
1
2
3
4
5

Mean square error 损失函数的实现。

参数

• reduction (string, optional): 对输出结果的 reduction 方式，可以指定为 'none' 或 'none' 或'sum'。

  • 如果 reduction 为 'none'， 不对损失值做任何处理直接返回；
  • 如果 reduction 为 'mean'， 返回经 Mean 处理后的损失；
  • 如果 reduction 为 'sum'， 返回经 Sum 处理后的损失。
  • 默认:'mean'

• ignore_index (int, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255

10. OhemCrossEntropyLoss

# ../../../paddleseg/models/ohem_cross_entropy_loss.py
class paddleseg.models.losses.OhemCrossEntropyLoss(
                thresh = 0.7, 
                min_kept = 10000, 
                ignore_index = 255
)
1
2
3
4
5
6

Ohem cross entropy 损失函数的实现。

参数

• thresh (float, optional): ohem的阈值。 默认:0.7
• min_kept (int, optional): 指定最小保持用于计算损失函数的像素数。min_kept 与 thresh 配合使用：如果 thresh 设置过高，可能导致本轮迭代中没有对损失函数的输入值，因此设定该值可以保证至少前min_kept个元素不会被过滤掉。默认:10000
• ignore_index (int64, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255

11. OhemEdgeAttentionLoss

# ../../../paddleseg/models/ohem_edge_attention_loss.py
class paddleseg.models.losses.OhemEdgeAttentionLoss(
                edge_threshold = 0.8,
                thresh = 0.7,
                min_kept = 5000,
                ignore_index = 255
)
1
2
3
4
5
6
7

Ohem edge attention 损失函数的实现。

参数

• edge_threshold (float, optional): 值大于 edge_threshold 的像素被视为边缘。 默认:0.8
• thresh (float, optional): ohem的阈值。 默认:0.7
• min_kept (int, optional): 指定最小保持用于计算损失函数的像素数。min_kept 与 thresh 配合使用：如果 thresh 设置过高，可能导致本轮迭代中没有对损失函数的输入值，因此设定该值可以保证至少前min_kept个元素不会被过滤掉。默认:5000
• ignore_index (int64, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255

12. LovaszSoftmaxLoss

# ../../../paddleseg/models/lovasz_loss.py
class paddleseg.models.losses.LovaszSoftmaxLoss(
            ignore_index = 255, 
            classes = 'present'
)
1
2
3
4
5

多类别 Lovasz-Softmax 损失函数的实现。

参数

• ignore_index (int64): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255
• classes (str|list): ‘all’ 表示所有，‘present’ 表示标签中存在的类，或者要做 average 的类列表。

13. LovaszHingeLoss

# ../../../paddleseg/models/lovasz_loss.py
class paddleseg.models.losses.LovaszHingeLoss(ignore_index = 255)
1
2

Binary Lovasz hinge 损失函数的实现。

参数

• ignore_index (int64): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255

14. MixedLoss

# ../../../paddleseg/models/mixed_loss.py
class paddleseg.models.losses.MixedLoss(losses, coef)
1
2

对多个损失函数结果的加权计算。其优点为在不改变网络代码的情况下，实现混合损失训练。

参数

• losses (list of nn.Layer): 由多个损失函数类所组成的列表。
• coef (float|int): 每个损失函数类的权重比。

返回值

• MixedLoss 类的可调用对象。