Startpagina / Samenvattingen / Class notes - Advanced image processing / loss-dimension-formule

Deep Learning for Segmentation

9 belangrijke vragen over Deep Learning for Segmentation

Wat is de formule voor de hoeveelheid parameters?

Parameters = (filtersize * input channels +1) * output channels

Wat is de formule voor de feature space dimension?

Feature space dimension x = input size x +2*padding - filter size x / stride +1

Wat de formule voor de neurons?

Neurons = feature space dimension x * feature space dimension y * output channels

Wat is het doel van de loss function?

Kijken hoe goed je netwerk werkt. Afhankelijk van de taak die je wil doen, zijn er loss functions die er beter voor werken.

Wat is het verschil tussen de loss en de evaluation metric?

Loss moet differentieerbaar zijn omdat je de gradient moet berekenen

Hoe werkt de cross entropy loss?

- Verschil meten tussen 2 probability distributions
- Voorspellingen van model vergelijken met echte label
- Met loss berekenen hoe goed het model het doet

Zijn hoge of lage waarden voor de loss goed?

- Hoge loss = schatting verkeerd
- Lage loss = goede schatting
- Zodanig weights aanpassen om lage loss te krijgen

Wat is het probleem bij imbalanced datasets bij cross-entropy?

Bij imbalanced input set ( heel veel nullen in echte label, gaat zich vaak richten op tweede term in de CE_loss vergelijking)

Waarom is vooral de dice loss handig voor imbalanced problems?

Background >> ROI
DICE richt zich op overlap ipv tellen van correcte/incorrecte voorspellingen. In ongebalanceerde datasets kan bijv de cross entropy geneigd zijn achter grond te overfitten waardoor je makkelijk een lage loss krijgt

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

Advanced image processing

Bekijk samenvatting

Een unieke studie- en oefentool
Nooit meer iets twee keer studeren
Haal de cijfers waar je op hoopt
100% zeker alles onthouden

Onthoud sneller, leer beter. Wetenschappelijk bewezen.

Studiemateriaal generieke omslagafbeelding

Deep Learning for Segmentation

9 belangrijke vragen over Deep Learning for Segmentation

Wat is de formule voor de hoeveelheid parameters?

Wat is de formule voor de feature space dimension?

Wat de formule voor de neurons?

Wat is het doel van de loss function?

Wat is het verschil tussen de loss en de evaluation metric?

Hoe werkt de cross entropy loss?

Zijn hoge of lage waarden voor de loss goed?

Wat is het probleem bij imbalanced datasets bij cross-entropy?

Waarom is vooral de dice loss handig voor imbalanced problems?

Samenvattingen die gerelateerd zijn aan Registratie - Registration metrics

Class notes - Advanced image processing

Human anatomy & physiology

Introduction to Medical Imaging Physics, Eng…

Medical Imaging Signals and Systems

Complexe diagnose therapie combinaties

Cardiovasculair systeem

Class notes - Medical Imaging in Pathologies

Class notes - Endocrine System

Class notes - Moleculair Imaging and Therapy

Class notes - Radiation Protection

Class notes - CARS

IGIT2024