【发布时间】：2020-09-23 09:06:29
【问题描述】：
我正在训练一个由 3 个类组成的语义分割模型（包括背景）。 背景是主导类，问题是模型将每个像素都预测为背景。 我目前正在使用交叉熵损失函数。
这种情况有什么解决办法？
【问题讨论】：
标签： tensorflow machine-learning deep-learning neural-network
【发布时间】：2020-09-23 09:06:29
【问题描述】：
这是图像分割的典型强不平衡；下面有几个解决方案可以解决这个问题。
- 使用
Jaccard(IoU)损失或dice loss；例如，您将优化交集而不是优化精度，而不是优化准确性，并且已经证明它们在不平衡问题的情况下比cross_entropy工作得更好。 - 您可以尝试使用类权重（
Keras/TF中的样本权重），以便为非背景的类 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显示出改进，其中数据集严重不平衡。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。
【讨论】：