DICE

segmentation 문제 푸는 모델에서 loss로 Cross Entropy 대신 많이 사용. 각 픽셀의 확률을 직접 반영하는게 아니라,

• GT 영역 집합: Y
• 예측된 영역 집합: X

식으로 예측 성공한 픽셀들의 비율을 재는 것.

ce 안쓰고 이렇게 하는 이유는, ce를 쓰면

특히 클래스 불균형이 심한 경우(작은 종양, 작은 object 등)에서:

• CE는 배경 픽셀이 너무 많으면

  → 배경만 잘 맞춰도 loss가 꽤 작아짐.

• Dice는 “전체 영역 overlap 비율”이라

  → 작은 object도 겹치는지 안 겹치는지에 민감.