我即将开始一个使用灰度掩码进行语义分割的项目。问题是，我们必须检测图像的每个像素是对象还是背景（二元类问题）。我很难将这个像素二元分类任务与掩码标签联系起来，因为每个像素都在 [0,255] 范围内。我已经根据这种方法开始使用 Keras 实现 U-net（对于 keras 来说是相当新的）。
- 你会使用什么样的损失？- 我在想
binary_crossentropy - 你会使用什么样的标签？因此，如果我按像素进行这种二进制分类，CNN 的输出形状会是什么？
抱歉，如果我没有使用正确的技术术语。
使用 Keras 进行语义分割：损失函数和掩码
数据挖掘
喀拉斯
美国有线电视新闻网
2022-02-24 19:26:17
1个回答
让我看看我能不能帮忙。
(1) 我肯定会为您的损失函数推荐二元交叉熵。
(2) 您的标签应该是“掩码”，即图像（与输入图像大小相同），其中“0 类”像素为 0，“1 类”像素为 1。这基本上是一个黑白图像，其中黑白代表 2 个不同的类别。UNET 网络的输出将是单通道图像（与输入的尺寸相同），其中您的“0-class”为黑色，您的“1-class”为白色。
这是一个例子：
此图像中的输出掩码是您的标签（“掩码”）的外观。如果你正确地训练你的网络，它也应该是 UNET 的输出。训练大约 40 个 epoch，您将开始看到结果。