语义分割中存在损失定义问题

Question

def loss(y_true, y_pred):
    BG_label = 0.
    FG_label = 1.
    y_pred = K.reshape(y_pred, [-1])
    y_true = K.reshape(y_true, [-1])

    #if GT_VALUE == 0
    idx_0 = tf.where(tf.equal(y_true, tf.constant(BG_label, dtype=tf.float32)))
    y_pred_0 = tf.gather_nd(y_pred, idx_0) 
    y_true_0 = tf.gather_nd(y_true, idx_0)
    loss_0 = K.mean(K.binary_crossentropy(y_true_0, y_pred_0), axis=-1)

    #if GT_VALUE == 1
    idx_1 = tf.where(tf.equal(y_true, tf.constant(FG_label, dtype=tf.float32)))
    y_pred_1 = tf.gather_nd(y_pred, idx_1) 
    y_true_1 = tf.gather_nd(y_true, idx_1)
    loss_1 = K.mean(K.binary_crossentropy(y_true_1, y_pred_1), axis=-1)

    loss_all = tf.add(loss_1, loss_0)

    return loss_all

我在语义分割中有损失定义问题

如果gt_image中没有像素值为1，则输出格式为idx_1 = []（空），

然后我遇到了问题，其中loss_1 = nan->也是loss_all = nan

如果idx_1不存在，我想用loss_0替换loss_all。

我用过

if idx_1 is not None: 
   y_pred_1 = tf.gather_nd(y_pred, idx_1) 
   y_true_1 = tf.gather_nd(y_true, idx_1)
   loss_1 = K.mean(K.binary_crossentropy(y_true_1, y_pred_1), axis=-1)
   loss_all = tf.add(loss_1,loss_0)
else:
   loss_all = loss_0

但这似乎不起作用。

还有其他解决方法吗？

我需要 if(len(idx_1) > 0): 但是我不知道如何在Tensorflow中实现这一点。