BCELoss用于二进制像素分割pytorch

Question

我在使用Sigmoid和BCELoss时实现了用于二进制分割的UNet。问题是，在几次迭代之后，网络尝试预测每个像素的非常小的值，而对于某些区域，它应该预测接近1的值（对于地面实况掩模区域）。它是否对错误的行为有任何直觉？

此外，存在用于像素丢失的NLLLoss2d。目前，我只是忽略了这一点，我直接使用MSELoss（）。我应该使用带有Sigmoid激活层的NLLLoss2d吗？

由于

Answer 1

在我看来，你的Sigmoids正在使激活地图饱和。图像未正确标准化或缺少某些批量标准化层。如果您有一个与其他图像一起使用的实现，请检查图像加载器并确保它不会使像素值饱和。这通常发生在16位通道上。你能分享一些输入图像吗？

PS很抱歉在答案中发表评论。这是一个新帐户，我暂时不能发表评论。

Answer 2

您可能想要使用torch.nn.BCEWithLogitsLoss()，替换Sigmoid和BCELoss函数。

docs的摘录告诉您为什么总是更好地使用此损失函数实现。

  

这种损失将Sigmoid层和BCELoss组合在一个单独的类中。这个版本在数值上比使用普通Sigmoid后跟BCELoss更稳定，因为通过将操作组合成一个层，我们利用log-sum-exp技巧来实现数值稳定性。