加权二进制交叉熵在keras语义分割中的应用

Question

我正在尝试在Keras中实现加权二进制交叉熵函数，以用于语义分割问题。

我的 y_true 和 y_pred 的形状像（batch，h，w，1）。因此，对于每个像素，我都会生成一些权重，范围从1到4。通常的weight_map看起来像这样：

weights_map的形状为（h，w，1），即，为批次中的每个y计算weight_map。

现在我写的损失函数是这样：

from keras.losses import binary_crossentropy

def weighted_bce_loss(y_true, y_pred):

    loss = binary_crossentropy(y_true, y_pred)
    weights = weight_map(y_true)
    loss = loss * weights

    return loss

我相信我可以将每个像素的损失乘以权重图，然后进一步将平均值作为输出损失。权重为1的像素将保持不变，而对于具有更高值的像素，损耗将成倍增加。但是，这种损失函数似乎不起作用，因为即使经过几个时期，我也无法在一个简单的数据集上收敛。知道我要去哪里错了吗？