1回答
我正在使用服装模型进行分割(SETRModel)。模型输出形状是(nBatch，256,256)，下面的代码确认了这一点(请注意，通道已被挤出)。目标形状是相同的(它是一个PILMask)。当我开始训练时，我得到一个与损失函数相关的运行时错误(见下文)。我做错了什么？nn.BCEWithLogitsLoss() 学习=学习者(dls，模型，loss_func=loss，lr=1.0e-4，cbs=callbacks，metrics=Dice()) 让我们测试并确保<em
浏览 42提问于2021-04-26得票数 0
回答已采纳
我是Keras的新手，如果这个问题很愚蠢，我很抱歉。
我在这里找到了执行多类语义分割的deeplabv3+模型。我需要将这段代码调整到另一个目的，因为我需要在医学图像上执行二进制语义分割。如果我把NUM_CLASSES = 2，我得到一个关于logits和标签之间不匹配的错误。关于损失函数，代码行是loss = keras.losses.SparseCategoricalCrossentropy(from_logit
浏览 25提问于2021-09-27得票数 0
1回答
语义分割损失函数
、、、、
对于二值分割问题，交叉熵损失和骰子分数以加权方式结合是否有意义？
优化骰子分数产生的区域超过分割区域，而交叉熵损失产生低分割区域为我的应用。
浏览 3提问于2018-05-24得票数 9
回答已采纳
我正在训练一个具有编码器-解码器架构的完全卷积网络，用于图像分割任务，目前正在使用二进制交叉熵损失进行前景/背景预测。
我试图搜索和阅读关于为什么使用交叉熵损失而不是L1或L2损失的信息。交叉熵损失不能捕获图像的整体布局，而L1和L2考虑了整体图像重建。
浏览 2提问于2019-09-10得票数 0
3回答
我正在尝试使用设计进行多类语义分割。类似于unet的论文，我想做一个损失函数来增加边框(第5页)。
因此，我想为对象之间的边界被过度加权的每个图像制作一个自定义损失图。我使用分类交叉熵，其中我在损失函数之前将图像展平为。我可以制作像素损失蒙版，但我想知道，如果可能的话，如何乘以像素蒙版的损失。
浏览 16提问于2017-03-04得票数 6
2回答
我正试图解决一个语义分割问题。根据实际的约束条件，假阳性的标准和假阴性的标准是不同的。例如，如果像素被误校正为前景不如像素被错误校正为背景。在建立损失函数时，如何处理这种约束。
浏览 3提问于2017-02-12得票数 8
回答已采纳
2回答
割炬语义分割损失函数
、、、
我对分割模型很陌生。我想使用deeplabv3_resnet50模型。我的图像有形状(256, 256, 3)，我的标签有形状(256, 256)。标签中的每个像素都有一个类值(0-4)。DataLoader中设置的批处理大小为32。因此，我的输入批次的形状是[32, 3, 256, 256]，相应目标的形状是[32, 256, 256]。我相信这是正确的。，对我的情况，这是正确的损失函数<
浏览 0提问于2021-05-08得票数 2
回答已采纳
我正在训练一个用于图像语义分割的CNN U-网模型，但是训练损失似乎以比验证损失更快的速度下降，这正常吗？培训和验证的损失可以从下面的图像中看到：
浏览 3提问于2020-08-07得票数 3
回答已采纳
1回答
多类语义分割模型评价
、、、、
我正在做一个关于多类语义分割的项目。我已经制定了一个模型，输出相当下降分割图像通过减少损失值。但是，我不能用度量来评估模型的性能，例如meanIoU或Dice系数。在二值语义分割的情况下，只需将阈值设置为0.5，将输出作为目标或背景进行分类，但对于多类语义分割则不起作用。请告诉我如何获得上述指标的模型性能好吗？任何帮助都将不胜感激！顺便说一下，我使用的是PyTorch框架和CamV
浏览 14提问于2020-06-19得票数 3
我正在做一个二进制语义分割任务，其中一个类的分布在任何输入图像上都很小，因此只有几个像素被标记。当使用时，忽略该类很容易减少over错误。现在，我正在寻找一种方法，用一个系数来加权这些类，这个系数会惩罚特定类的错误分类，与其他类相比。
权重作为损失系数。如果提供了标量，则损失将按给定值进行缩放。如果权值是形状batch_size的张量，则损失</em
浏览 0提问于2019-04-13得票数 2
回答已采纳
如果你能回答我的问题，我将不胜感激。我担心我做错了，因为我的网络总是给出没有任何分割的黑色图像。我正在用Caffe做语义分割。score layer的输出小于1 5 256 256> batch_size no_classes image_width image_height。它被发送到SoftmaxWithLoss层，损失层的输出输入是具有5个类别标签<1 1 256 256>的地面实况图像。
我
浏览 4提问于2017-03-28得票数 0
我正在训练一个U网(下面的模型)在10个不同的数据集中。当我使用L1丢失进行培训时，我没有收到任何错误，但是，对于使用MSE丢失的数据集，网络输出了tensornan…不能在5-10年代以后训练。我尝试过任意值为0.5和1的梯度裁剪，但都不起作用。
浏览 4提问于2022-04-14得票数 0
我正在使用tensorflow框架进行语义分割。我的问题是，tensorflow是否支持具有交叉熵的softmax的非标准化损失，例如：
浏览 6提问于2018-01-24得票数 0
从
G++现在实现了 thread_local关键字；这与GNU __thread关键字的主要区别在于它允许动态初始化和销毁语义。不幸的是，这种支持需要为引用非函数局部thread_local变量带来运行时损失，即使它们不需要动态初始化，因此用户可能希望继续使用具有静态初始化语义的__thread。这个运行时惩罚的性质和来源到底是什么？显然，为了支持非函数局部thread_local变量，在进入每
浏览 173提问于2012-10-28得票数 71
回答已采纳
我正在构建一个UNET语义分割网络，以检测眼睛图像中的虹膜，我们正在使用骰子损失函数，我们实现了超过90%的训练平均IOU和大约87%的验证数据，但验证损失和平均IOU在200个时期期间显示波动，当我们测试我们的网络时，它显示出非常糟糕的结果，输出图像与地面事实相差甚远，即使我们使用来自训练集的图像，它仍然表现不佳，任何建议，我们可以做什么来克服这个问题。
浏览 36提问于2020-04-01得票数 0
2回答
加权稀疏分类交叉熵
、、、、
我正在处理一个语义分割问题，其中我感兴趣的两个类别(除了背景)在图像像素中非常不平衡。由于训练掩模的编码方式，我实际上使用稀疏分类交叉熵作为损失。有没有考虑到类权重的版本？我一直没能找到它，甚至连sparse_categorical_cross_entropy的原始源代码也找不到。我以前从未研究过tf源代码，但API页面上的源代码链接似乎并没有链接到损失函数的真正实现。
浏览 37提问于2020-12-08得票数 3
我有一个二进制语义分割问题，在我的脑海中有两种方法。 方法一: Unet输出一个带有乙状结肠激活的类，然后使用骰子损失来计算损失 方法2:将基本事实连接到它是相反的，因此有两个类。Unet的输出是2个类，并对它们应用softmax激活。然后使用骰子损失来计算损失。 哪一个是正确的？
浏览 33提问于2020-01-18得票数 0
1回答
我试图建立一个网络，它分别输出深度图和语义分段数据。在训练过程中，我是否可以同时使用这些损失功能，还是把不同的分支分开训练会更好呢？
浏览 0提问于2018-03-31得票数 13
回答已采纳
我正在做一些语义分割问题，需要定义损失函数。 有人知道如何使用tensorflow "tf.losses.softmax_cross_entropy“吗？文档中说，函数的第一个输入是onehot_labels，那么我们是否需要先将像素类标签转换为一个热编码格式，并将一个热编码输入到该函数中？sigmoid_cross_entropy loss function from tensorflow for image segmentation中直接输入像tf.los
浏览 69提问于2019-06-18得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
