语义分割中骰子损失中输出掩码和原始掩码之间的维度不匹配

如何解决语义分割中骰子损失中输出掩码和原始掩码之间的维度不匹配

我正在做多类语义分割（4 个类 + 背景）。我的掩码维度是 (256,256,3)，输出掩码维度是 (256,5)。我选了 5，因为这是班级数。

骰子损失函数

inputs = inputs.view(-1)
targets = targets.view(-1)
        
intersection = (inputs * targets).sum() ---> error                       
dice = (2.*intersection + smooth)/(inputs.sum() + targets.sum() + smooth)  
        
return 1 - dice

我该怎么做才能使两个维度相同？掩码是从 TIF 文件中提取的。

我在下面附上了我的面具图片。

解决方法

我相信你必须先对目标掩码进行单热编码。 我建议您先阅读这篇好文章，以便更好地掌握语义分割 https://www.jeremyjordan.me/semantic-segmentation/ 的所有细微之处。

确保预测和目标形状匹配，无需使用 view(-1) 压平张量。

同样作为个人建议，Pytorch 张量优先选择通道。

,

我假设您显示的目标分割是一个 RGB 编码的地图。您希望将此 3 通道图像转换为 1 通道标签图。

假设 seg 是形状为 (b,3,h,w) 的地面实况分割图。标签到颜色映射可以任意设置为：

colors = torch.FloatTensor([[0,0],[1,1,[0,1]])

为每种颜色构建一个匹配像素的掩码，并在这些像素位置的新张量中分配相应的标签：

b,_,w = seg.shape
gt = torch.zeros(b,w)
seg_perm = seg.permute(0,2,1)

for label,color in enumerate(colors):
    mask = torch.all(seg_perm == color,dim=-1).unsqueeze(1)
    gt[mask] = label

---

以下面的分割图为例：

>>> seg = tensor([[[[1.,1.,0.,0.],[1.,0.]],[[0.,[0.,1.]],0.]]]])

用于可视化目的：

>>> T.ToPILImage()(seg[0].repeat_interleave(100,2).repeat_interleave(100,1))

生成的标签图将：

>>> gt
tensor([[[[2.,[2.,3.,4.,3.]]]])