我遇到了一个有趣的和令人沮丧的问题与骰子损失用于图像分割与Unet。
我必须将图像分为两类：背景和感兴趣区域。感兴趣区域通常占整个图像像素的4%。图像约为1600 x1600像素。我发现骰子损失比交叉熵好得多。但是，如果我使用标准骰子损失公式，我的Unet无法提供正确的输出，即所有像素都被预测为背景。
对于标准骰子损失，我的意思是：

其中x_{c，i}是Unet对像素i和通道c预测的概率，y_{c，i}是对应的地面实况标签。

注意分母处x的平方。
由于某种原因，后者使网络产生正确的输出，尽管损失收敛到~0.5。
我不明白为什么后者有效而前者无效。即使我在分母上使用3的幂，后者也有效。
下面是我的实现：

def make_one_hot(labels, classes):
    one_hot = torch.FloatTensor(labels.size()[0], classes, labels.size()[2], labels.size()[3]).zero_().to(labels.device)
    target = one_hot.scatter_(1, labels.data, 1)
    return target

class DiceLoss(nn.Module):

    def __init__(self,):
        super(DiceLoss, self).__init__()

    def forward(self, output, target):

        target = make_one_hot(target.unsqueeze(dim=1), classes=output.size()[1])
        output = F.softmax(output, dim=1)

        numerator = (output * target).sum(dim=(2, 3))
        denominator = output.pow(2).sum(dim=(2, 3)) + target.sum(dim=(2, 3))

        iou = numerator / denominator

        return 1 - iou.mean()