Question

我正在通过在三个类别（包括背景）中创建自定义数据来训练 Deeplab v3

然后，我的课是背景，熊猫，瓶子，上面有1949张图片。

并且我正在使用 moblienetv2 模型

和 segmentation_dataset.py 已被修改如下。

_MYDATA_INFORMATION = DatasetDescriptor(
        splits_to_sizes={
            'train': 975,  # num of samples in images/training
            'trainval': 1949,
            'val': 974,  # num of samples in images/validation
        },


        num_classes=3,
        ignore_label=0,
)

train.py 已作如下修改。

flags.DEFINE_boolean('initialize_last_layer', False,
                 'Initialize the last layer.')

flags.DEFINE_boolean('last_layers_contain_logits_only', True,
                 'Only consider logits as last layers or not.')

train_utils.py 尚未修改。

not_ignore_mask = tf.to_float(tf.not_equal(scaled_labels, ignore_label)) * loss_weight

我得到一些结果，但不是完美的结果。

例如，熊猫和瓶子的口罩颜色相同或不同

我想要的结果是红色的熊猫和绿色的瓶子

所以，我判断重量有问题。

根据其他人的问题， train_utils.py 的配置如下

irgore_weight = 0
label0_weight =1
label1_weight = 10
label2_weight = 15
not_ignore_mask = 
    tf.to_float(tf.equal(scaled_labels, 0)) * label0_weight +
    tf.to_float(tf.equal(scaled_labels, 1)) * label1_weight +
    tf.to_float(tf.equal(scaled_labels, 2)) * label2_weight +
    tf.to_float(tf.equal(scaled_labels, ignore_label)) * irgore_weight 

tf.losses.softmax_cross_entropy(
    one_hot_labels,
    tf.reshape(logits, shape=[-1, num_classes]),
    weights=not_ignore_mask,
    scope=loss_scope)

我在这里有个问题。

体重的标准是什么？

我的数据集包含以下内容。

enter image description here

它是自动生成的，所以我不确切知道哪一个是更多，但是数量差不多。

另外，我正在使用Pascal的颜色图类型。

这是第一个黑色背景，第二个红色第三绿色。

我想将熊猫准确地指定为红色，将瓶子准确地指定为绿色。我该怎么办？

Answer 1

我认为您可能混淆了标签定义。也许我可以帮您。请再次检查您的 segmentation_dataset.py 。在此，将“ 0”定义为忽略标签。这意味着从训练过程中排除所有标记为“ 0”的像素（更具体地说，在损失函数的计算中排除所有像素，因此对权重的更新没有影响）。鉴于这种情况，至关重要的是不要“忽略”背景类，因为它也是您要正确预测的类。在 train_utils.py 中，将加权因子分配给无效的类-->确保不要将三个训练类[背景，panada，瓶子]与“忽略”标签。

在您的情况下， num_classes = 3应该是正确的，因为它指定了要预测的标签数（模型自动假定这些标签为0、1和2。如果要忽略某些标签，则可以必须使用第四个标签类为它们添加注释（为此选择一个数字> 2），然后将此标签分配给ignore_label。如果您没有要忽略的像素，请设置 ignored_label = 255，然后不会影响您的训练；）

Deeplab我的自定义数据集的权重标准是什么？

1 个答案: