我正在尝试使用带有Tensorflow后端的Keras训练U-Net模型进行多标签语义图像分割。
输入图像是512x512 RGB图像，输出标签蒙版也是512x512 RGB图像，其中每个通道代表一个标签（红色代表建筑物，绿色代表背景，蓝色代表街道）。
我目前正在训练约2000张图像和标签遮罩。 我正在使用来自keras数据生成器和flow_from_directory的图像增强，然后将数据和标签压缩在一起，然后将它们交给fit_generator。
我的问题是我应该使用哪个损失函数以及哪个优化程序。 我目前正在使用分类交叉熵损失或weighted_dice_loss和学习率为0.0005的亚当优化器。 在测试数据上经过100个纪元后，结果似乎还不错，但并不完美，但val_loss似乎并未减少。 我需要使用另一个损失函数还是我对数据集的处理不正确？
预先感谢