- Dice loss는 세그멘테이션 문제에 널리 사용되는 손실 함수입니다.
- Dice loss는 Dice Similarity Coefficient (DSC) 또는 Sørensen–Dice coefficient라는 측정 지표를 기반으로 합니다.
- 이 지표는 두 샘플 집합 간의 유사도를 측정하기 위해 개발되었습니다.
- Dice Similarity Coefficient (DSC)는 다음과 같이 정의됩니다:
- 여기서 ( A )와 ( B )는 두 개의 샘플 집합을 나타냅니다. DSC는 0에서 1 사이의 값을 가집니다. 값이 1에 가까울수록 두 집합이 유사하다는 것을 의미하며, 0에 가까울수록 두 집합이 다르다는 것을 의미합니다.
- 딥러닝에서는 이 지표를 손실 함수로 사용하기 위해 다음과 같이 Dice loss를 정의합니다:
- 딥러닝 모델은 이 손실 값을 최소화하려고 합니다. 따라서 Dice loss가 작을수록 세그멘테이션 결과가 더 정확해집니다.
- Dice loss는 특히 클래스 불균형이 큰 데이터셋에서 유용하게 사용됩니다.
- 예를 들어, 의료 영상에서 관심 영역(예: 종양)이 전체 영상에서 차지하는 비율이 매우 작을 때, Dice loss는 이러한
클래스 불균형 문제를 잘 처리할 수 있습니다.
모든 의사 결정 과정을 지나칠 정도로 모두 기록하고, 나중에 스스로 피드백 하는 것