В задачах сегментации, что было бы наиболее целесообразно для нашей функции потерь (при условии, что она рассчитывает перекрытие истинности и предсказания грунта), когда у нас нет объекта, который мы пытаемся сегментировать на некоторых изображениях обучающего набора:
- Вернитесь, скажем, (0), так как нет истинной основы, следовательно, нет совпадений
- Return (1), потому что мы хотим, чтобы архитектура избегала ложных срабатываний
для меня 2 имеет смысл, но я обычно видел, как 1 реализован в другой архитектуре сегментации.