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。