Question

我尝试使用unet设计进行多级语义分割。与unet论文类似，我希望对超重边框做出损失功能（第5页）。

因此，我想为每个图像制作一个自定义丢失贴图，其中对象之间的边界超重。我使用分类交叉熵，我将损失函数前的图像展平为here。我会很好地制作像素丢失掩模，但我想知道如果可能的话，如何通过像素掩模多次丢失。

Answer 1

如果您知道如何在二维地图上执行此操作，则可以始终使用多个输出，并使用自定义像素掩码以补充交叉熵损失。可以在此处找到u形网络的多个损失的示例实现：https://github.com/EdwardTyantov/ultrasound-nerve-segmentation

Answer 2

以下是张量流http://tf-unet.readthedocs.io/en/latest/_modules/tf_unet/unet.html中的权重贴图的实现，您应该能够在自定义损失函数中对keras进行调整。我报告相关代码：

nb.brightColor(color)

Answer 3

假设多类别预测，在您的数据生成器中，将您的权重图连接为批次中每个元素的三维通道。接下来，在损失函数中，提取每个批次元素的权重图，将其与预测值相乘（仅使用*），然后计算对数损失。