Deeplab的自定义损失

Question

我想为Deeplab v3添加自定义损失，该损失不仅适用于一个热门编码标签，而且适用于显着性预测。因此，您将看到的不是Deeplab损失实现：

label = tf.to_int32(label > 0.2)
one_hot_labels = slim.one_hot_encoding(label, num_classes, on_value=1.0, off_value=0.0)
tf.losses.softmax_cross_entropy(one_hot_labels, logits)

我使用了此实现：

softmax = tf.log(tf.nn.softmax(logits))
cross_entropy = -tf.reduce_sum(label*softmax, reduction_indices=[1])
tf.losses.add_loss(tf.reduce_mean(cross_entropy))

训练了大约5个图片的1000个历元，并得到了以下结果：

• 输入带有填充的简化图像- https://i.stack.imgur.com/07GsL.png
• 地面真相标签-https://i.stack.imgur.com/ttEZi.png
• 自定义损失结果]（https://i.stack.imgur.com/cNooX.png
• 使用一个热编码结果的交叉熵- https://i.stack.imgur.com/LEhl3.png

此外，尝试了几种学习率，但不会改变自定义丢失的结果。