如何解决具有优势类别的语义分割
我正在训练一个由3个类组成的语义分割模型(以背景计数)。 背景是主要类别,问题在于模型将每个像素预测为背景。 我目前正在使用交叉熵损失函数。
针对这种情况有什么解决方案?
解决方法
这是典型的图像分割严重不平衡;下面有两种解决该问题的方法。
- 使用
Jaccard(IoU)
亏损或dice loss
;例如,您将针对联合上的交集进行优化,而不是针对准确性进行优化,并且事实证明,在出现不平衡问题时,它们比cross_entropy
更好。 - 您可以尝试使用类别权重(
Keras/TF
中的样本权重)来为非背景的类别2和3分配更大的重要性。 -
Focal Loss
在MLP或其他深度学习任务中表现出了改进,其中数据集非常不平衡。焦点损失可以与(1)和(3)的损失相结合;它有可能改善您的结果。
您应该期望通过单独使用(1)来获得最佳的性能改进。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。