8.2 KiB
8.2 KiB
Dice Loss指标说明 - 重要！
⚠️ 关键理解
═══════════════════════════════════════════════════════════════════
Dice Loss vs Dice Coefficient
═══════════════════════════════════════════════════════════════════
Dice Loss (训练中显示的指标):
- 这是损失函数
- 越低越好 ✅ (like all losses)
- 数值范围: 0-1
Dice Coefficient (评估指标):
- 这是相似度/IoU指标
- 越高越好 ✅
- 数值范围: 0-1
关系:
Dice Loss = 1 - Dice Coefficient
═══════════════════════════════════════════════════════════════════
📊 您看到的数值解释
Divider性能变化
════════════════════════════════════════════════════════════════
指标: Divider Dice Loss
Epoch 5基线: 0.525
Epoch 20预期: 0.420
变化: -0.105 (降低了20%)
解释:
✅ Dice Loss降低 = 性能变好！
✅ 这是我们的目标
✅ -20%意味着改善20%
════════════════════════════════════════════════════════════════
转换为Dice Coefficient (相似度):
Epoch 5: Dice Coef = 1 - 0.525 = 0.475 (47.5%相似度)
Epoch 20: Dice Coef = 1 - 0.420 = 0.580 (58.0%相似度)
改善: 0.580 - 0.475 = 0.105
提升: 22% (相对提升)
════════════════════════════════════════════════════════════════
📈 性能改善可视化
Dice Loss (越低越好)
1.0 ┤
│
0.8 ┤
│
0.6 ┤
│ Baseline ─┐
0.5 ┤━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
│ 0.525
0.4 ┤ Task-GCA ─┐
│━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
│ 0.420 ✅ 更好
0.2 ┤
│
0.0 ┤ ← 理想值 (完美分割)
└────────────────────────────────────────────→
越低越好 ↓
0.525 → 0.420 是改善 ✅
Dice Coefficient (越高越好)
1.0 ┤ ← 理想值 (完美分割)
│
0.8 ┤
│
0.6 ┤ Task-GCA ─┐
│ ┌━━━━━━━━━━━━━━━━┛
│ │ 0.580 ✅ 更好
0.4 ┤ Baseline ─┤
│ ┌━━━━━━━━━━━━━━━┛
│ │ 0.475
0.2 ┤ │
│
0.0 ┤
└────────────────────────────────────────────→
越高越好 ↑
0.475 → 0.580 是改善 ✅
🎯 所有分割类别的改善
训练日志中的Dice Loss (越低越好)
| 类别 | Epoch 5 | Epoch 20目标 | 改善 | 说明 |
|---|---|---|---|---|
| drivable_area | 0.110 | 0.075 | ↓ -32% | ✅ 变好 |
| ped_crossing | 0.240 | 0.170 | ↓ -29% | ✅ 变好 |
| walkway | 0.225 | 0.150 | ↓ -33% | ✅ 变好 |
| stop_line | 0.345 | 0.245 | ↓ -29% | ✅ 变好 |
| carpark_area | 0.205 | 0.140 | ↓ -32% | ✅ 变好 |
| divider | 0.525 | 0.420 | ↓ -20% | ✅ 变好 ⭐ |
所有的负数变化都是改善！ ✅
转换为IoU指标 (越高越好)
| 类别 | Epoch 5 IoU | Epoch 20 IoU | 改善 |
|---|---|---|---|
| drivable_area | 0.890 | 0.925 | ↑ +3.9% |
| ped_crossing | 0.760 | 0.830 | ↑ +9.2% |
| walkway | 0.775 | 0.850 | ↑ +9.7% |
| stop_line | 0.655 | 0.755 | ↑ +15.3% |
| carpark_area | 0.795 | 0.860 | ↑ +8.2% |
| divider | 0.475 | 0.580 | ↑ +22.1% ⭐ |
📊 检测性能 (也是越低越好的Loss)
| 指标 | Epoch 5 | Epoch 20目标 | 改善 |
|---|---|---|---|
| Heatmap Loss | 0.240 | 0.220 | ↓ -8.3% ✅ 变好 |
| BBox Loss | 0.310 | 0.285 | ↓ -8.1% ✅ 变好 |
| Classification Loss | 0.036 | 0.033 | ↓ -8.3% ✅ 变好 |
转换为评估指标: | mAP (越高越好) | ~0.68 | ~0.70 | ↑ +2.9% ✅ |
💡 记忆规则
训练日志中的指标:
✅ Loss类指标 (Dice Loss, Focal Loss, Heatmap Loss...):
→ 越低越好
→ 下降是改善
→ 负百分比是进步
✅ IoU类指标 (matched_ious):
→ 越高越好
→ 上升是改善
→ 正百分比是进步
✅ mAP, mIoU (评估时):
→ 越高越好
→ 上升是改善
🎯 Task-specific GCA的预期改善
完整预期表 (正确理解)
═══════════════════════════════════════════════════════════════════
分割性能 (Dice Loss - 越低越好)
═══════════════════════════════════════════════════════════════════
类别 Epoch 5 → Epoch 20 改善 说明
─────────────────────────────────────────────────────────────────
drivable_area 0.110 → 0.075 -32% ✅ 大幅改善
ped_crossing 0.240 → 0.170 -29% ✅ 大幅改善
walkway 0.225 → 0.150 -33% ✅ 大幅改善
stop_line 0.345 → 0.245 -29% ✅ 大幅改善
carpark_area 0.205 → 0.140 -32% ✅ 大幅改善
divider ⭐ 0.525 → 0.420 -20% ✅ 显著改善
Overall mIoU 0.550 → 0.612 +11% ✅ 大幅提升
(越高越好)
═══════════════════════════════════════════════════════════════════
检测性能 (Loss - 越低越好)
═══════════════════════════════════════════════════════════════════
指标 Epoch 5 → Epoch 20 改善 说明
─────────────────────────────────────────────────────────────────
Heatmap Loss 0.240 → 0.220 -8% ✅ 改善
BBox Loss 0.310 → 0.285 -8% ✅ 改善
mAP (越高越好) 0.680 → 0.695 +2.2% ✅ 提升
═══════════════════════════════════════════════════════════════════
✅ 总结
问题: Divider Dice 0.525 → 0.420 是变差了吗？
答案: ❌ 不是！这是变好了！✅✅✅
原因:
- Dice Loss 是损失函数
- 损失降低 = 性能提升
- 0.525 → 0.420 降低了20%
- 这意味着预测更准确了！
类比:
- 就像错误率从52.5%降到42%
- 或者考试错题从52.5道减少到42道
- 当然是变好了！
Dice Coefficient视角:
- 从47.5%相似度提升到58.0%相似度
- 提升了22%
- 这样更直观理解
🎉 所有负数改善都是好事！Divider从0.525降到0.420是显著改善！ ✅