OhemEdgeAttentionLoss_cn.md

简体中文 | English

OhemEdgeAttentionLoss

OHEM算法将根据输入到模型中的样本的损失来区分出困难样本，这些困难样本分类精度差，会产生较大的损失。在存在困难样本的场景下，如欲提高提取边缘的性能，可以使用该损失函数。

class paddleseg.models.losses.OhemEdgeAttentionLoss(
                edge_threshold = 0.8,
                thresh = 0.7,
                min_kept = 5000,
                ignore_index = 255
)

Ohem edge attention loss使用指南

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