Question

我写信给您是因为我有问题，与下面链接中的问题相同，但仍未得到答复。

我定义了一个损失函数，该函数排除所有像素= 0：

def ignore_unknown_xentropy(ytrue, ypred):
    return (1-ytrue[:, :, :, 0]) * K.categorical_crossentropy(ytrue, ypred)

我注意到在训练过程中精度发生了失真，将考虑我之前排除的像素等于零。

有一种方法可以定义自定义指标，以从计算中排除y_true上的零像素？

我正在使用这种方法，即计算每个相关标签的准确度并将其相加，但这并不能为我提供可靠的结果：

def single_class_accuracy(y_true, y_pred, class_id):
    class_id_true = K.argmax(y_true, axis=-1)
    class_id_preds = K.argmax(y_pred, axis=-1)
    accuracy_mask = K.cast(K.equal(class_id_preds, class_id), 'int32')
    class_acc_tensor = K.cast(K.equal(class_id_true, class_id_preds), 'int32') * accuracy_mask
    class_acc = K.sum(class_acc_tensor) / K.maximum(K.sum(accuracy_mask), 1)
    return class_acc

def custom_accuracy(y_true, y_pred):
    return single_class_accuracy(y_true, y_pred, 1) + single_class_accuracy(y_true, y_pred, 2)

我的ytrue是单点编码的蒙版。

Answer 1

仅通过类加权就没有办法实现这一目标吗？为您不感兴趣的班级设置0？我可能会误解了，但是这种方法对我无能为力（忽略零类）：

class_weights = {0.0:0.2,0.2:0.2:0.2}
history=model.fit(x=in_train,y=target_train,class_weight=class_weights,
              validation_data=.... etc

在Keras中定义自定义精度，以忽略带有特定标签的样本

1 个答案: