语义细分-预测总是转移到地面真理

Question

我正在实现一个用于对3类图像进行语义分割的U-Net。因为我的图像比较大，所以我将它们下采样到原始范围的0.75。我的课程的预测和分段工作正常，但与地面真实位置相比，预测总是偏移几个像素。在下图中，红色表示基本情况，绿色表示A级的预测。

这只是整个图像的一个子集，但是在整个图像中，预测并不总是朝相同方向移动。

所以我想知道这是否可能与下采样有关？还是这可能是向下卷积和后续向上卷积层中填充的产物？*如何评估这种预测的性能？

*我的体系结构：

• InputLayer

4x：

• DownConv（kernelsize = 3，padding = 1）
• BatchNorm2d
• ReLU

4x

• UpConv（3，1）
• BatchNorm2d
• ReLU

。

• OutputLayer