哪一种特别好的优化器/准则可以更快地学习稀疏数据？

Question

不确定“稀疏”在这里是否正确。
我想训练一个CNN-具体来说就是UNet-如图所示生成遮罩：
蒙版是二进制的，大多数图像是白色的。或多或少是稀疏的意思，尽管这不是正确的用语...

当我开始训练时，网只是学习将所有东西都涂成白色，因为完全白色的图片损失已经很小。

那么，哪个是最适合此类问题的最佳优化程序和/或标准？
也许有些人以某种方式“能力”对误报否定了很高的惩罚，而对误报否定了那么高的惩罚？

编辑： 我忘了分享当前的优化器和损失：

optimizer = optim.SGD(net.parameters(),
                      lr=0.0001,
                      momentum=0.9,
                      weight_decay=0.0005)

criterion = nn.BCELoss(reduction='sum')