我想知道如何使用TensorFlow处理图像分割中未标记的图像部分。例如，我的输入是高度*宽度*通道的图像。标签尺寸高度*宽度太大，每个像素都有一个标签。
图像的某些部分有注释，其他部分则没有。我希望这些部分对梯度计算没有任何影响。此外，我对网络预测这个“空白”标签不感兴趣。
是否有标签或功能？目前我正在使用tf.nn.sparse_softmax_cross_entropy_with_logits。
答案 0 :(得分：11)
我不熟悉TF。但是，您是否考虑过使用损失的weights参数？
查看tf.loses.sparse_softmax_cross_entropy，它有一个参数weights
weights：损失的系数。这必须是标量或与标签相同的等级
你可以设置weight＆＃34; void＆＃34;像素为零，从而使损失忽略它们。
您也可以从tf.nn.sparse_softmax_cross_entropy_with_logits中删除缩小，然后使用tf.losses.compute_weighted_loss执行加权。
答案 1 :(得分：2)
如果我理解正确，每个图像的一部分都带有标签无效，而您根本不感兴趣。由于没有一种简单的方法可以获得这个无效点背后的真正价值，为什么不将这些点映射到背景标签并尝试获得模型的结果？我会尝试在预处理状态下清除此void标签中的数据标签，并用背景标签替换它们。
另一种可能的策略，如果你只是想将空标签映射到背景，就是运行一个遮罩（从右到左连续运动从上到下）来检查空白像素中的neigthbooring像素（让我们说一个5x5像素的区域）并为void像素分配除void之外最常见的标签。
此外，您始终可以保留更好的数据子集，过滤空白标签百分比超过阈值的数据。您可以只保留没有空白标签的图像，或者更多的图像，您可以保留仅低于阈值（例如5％）非标记点的图像。在此图像中，您可以实施前面提到的替换空白标签的策略。