模型训练方法
    1.
    发明授权

    公开(公告)号:CN116206059B

    公开(公告)日:2023-12-01

    申请号:CN202310103180.5

    申请日:2023-02-13

    Abstract: 本申请的实施例提供了一种损失函数计算方法和模型训练方法,损失函数计算方法基于3DUnet网络模型计算,3DUnet网络模型为单编码器双解码器结构;方法包括:基于第一解码器输出的预测结果得到平均绝对误差损失;对第一解码器最后一层输出进行Dropout,对输出结果进行方差计算得到不确定性图,基于不确定性图计算不确定性损失;基于第二解码器输出的预测梯度图和采用Sobel算子提取GroundTruth边缘信息得到的GT梯度图,进行均方误差计算,得到梯度预测损失;基于3DUnet网络重建模型,基于编码器不同层的输出分别进行均方误差计算,得到感知损失;基于四种损失得到模型的损失函数。本申请能够实现更好的预测结果,提高模型的预测准确度。

    损失函数计算方法和模型训练方法

    公开(公告)号:CN116206059A

    公开(公告)日:2023-06-02

    申请号:CN202310103180.5

    申请日:2023-02-13

    Abstract: 本申请的实施例提供了一种损失函数计算方法和模型训练方法,损失函数计算方法基于3DUnet网络模型计算,3DUnet网络模型为单编码器双解码器结构;方法包括:基于第一解码器输出的预测结果得到平均绝对误差损失;对第一解码器最后一层输出进行Dropout,对输出结果进行方差计算得到不确定性图,基于不确定性图计算不确定性损失;基于第二解码器输出的预测梯度图和采用Sobel算子提取GroundTruth边缘信息得到的GT梯度图,进行均方误差计算,得到梯度预测损失;基于3DUnet网络重建模型,基于编码器不同层的输出分别进行均方误差计算,得到感知损失;基于四种损失得到模型的损失函数。本申请能够实现更好的预测结果,提高模型的预测准确度。

Patent Agency Ranking