我已经构建了一个用于图像分割的FCN。要分割的对象仅相对于图像大小(1024x1024)非常少的像素。这导致精度非常高,即使我只训练了10张图像而不是18000张(我的完整训练集)。
我解决这个问题的方法是使用某种加权精度,这样精度实际上可以说明识别小物体的性能(现在它具有很高的准确性,因为很多像素不是对象,也没有分类任何准确性仍然很高的事情。)
我如何决定体重,任何有经验的人?
答案 0 :(得分:0)
正如您所写,使用自定义权重函数可以更多地惩罚代表性不足的像素的错误分类。您可以通过计算对象像素数与图像中所有像素之间的商来获得权重,或者您可以手动尝试 - 只需确保遵循告诉您对象像素精度的指标。希望它有所帮助。
答案 1 :(得分:0)
您可以使用infogain loss layer进行“加权”损失
信息损失是常用的交叉熵损失的推广。它是使用权重矩阵H
(大小为L
- by - L
定义的,其中L
是类的数量):
L(p) = -H log(p)
其中p
是类概率的向量。
您可以找到有关此损失的更多详细信息here。