Мінімальний крос-ентропійний поріг (MCET) становить один із широко використовуваних середніх методів сегментації зображень; воно базується на класичному середньому, яке залишається стабільним і обмеженим значенням.17 березня 2022 р.

Принцип мінімуму крос-ентропії стверджує це ми повинні вибрати розподіл p, який відповідає моментним обмеженням (1) і нормалізаційним обмеженням (2), вимагаючи найменшої додаткової інформації; тобто ми повинні вибрати той, який у певному сенсі найближчий до q.

Перехресна ентропійна втрата, або логарифмічна втрата, вимірює продуктивність моделі класифікації, результатом якої є значення ймовірності між 0 і 1. Перехресна втрата ентропії зростає, оскільки прогнозована ймовірність розходиться з фактичною міткою.

Максимальний поріг ентропії становить заснований на максимізації міри інформації між об'єктом і фоном. де ni — поява рівня сірого «i» на зображенні.

Функція втрат перехресної ентропії з’являється відразу після шару Softmax, і вона приймає вхідні дані з виходу функції Softmax і справжньої мітки. Інтерпретація значень крос-ентропії: Перехресна ентропія = 0,00: Ідеальні прогнози. Перехресна ентропія < 0,02: чудові прогнози.

Мінімальний крос-ентропійний поріг (MCET) становить один із широко використовуваних середніх методів сегментації зображень; він базується на класичному середньому, що залишається стабільним і обмеженим значенням.