二进制掩码分类的最佳输出激活功能

Question

我有一个CNN，可以输入卫星图像，并且应该在发现汽车的地方输出一个遮罩。我已经手动标记了图像，并为每个图像创建了遮罩，如果该像素中有汽车的一部分，则每个像素为1，否则为0。

我正在尝试制定出最佳的输出层激活功能和损失功能，我正在寻求意见。我知道那里有很多信息，但是我发现自己对问题是回归还是分类感到困惑。

有人可以提出他们的意见吗？我目前在keras中使用以下输出和损失：

conv10 = Conv2D(1, 1, activation='sigmoid')(conv9)

model = Model(inputs=[inputs], outputs=[conv10])

model.compile(optimizer=Adam(lr=1e-4), loss='binary_crossentropy', metrics=['accuracy'])

这是个好主意吗？谢谢！

Answer 1

从我的角度来看，这似乎是个好主意，因为您想为P(px is part of a car | image)中的每个像素px输出概率image。因此，这是一个二进制分类问题，使用binary_crossentropy损失函数（在输出层中加上S型激活）是合适的。