我正在研究一个模型，以识别卫星图像中的水体。我对this示例进行了一些修改，以使用我标记的一组约600张图像，并且它对于真实的正片效果非常好-它可以为其中有水的图像图块生成准确的遮罩。但是，它也会产生一些假阳性，从而为没有水的瓷砖生成蒙版，例如包含田野，建筑物或停车场的瓷砖。我不确定如何向模型提供这种负面反馈-使用空蒙版将假阳性图像添加到训练集中不会产生任何效果，我尝试了仅由假阳性组成的训练集只会产生随机噪声，让我认为空口罩对此特定网络没有影响。
我还尝试从我发现的将瓷砖分类为水/非水的两个示例中训练二进制分类网络。似乎无法以足够高的精度使用首过滤波器，每个类别约有5k张图像。我为此使用了OSM标签制作器，并且图像集并不完美-非水集中有一些水瓦片，反之亦然，但是即使训练集也无法获得良好的准确性（〜.85最好）。
有没有办法为二进制图像分割模型提供负反馈？我应该使用更大的训练集吗？我有点被困在这里，无法提供负面反馈，并且希望对如何处理此问题提出任何建议。
谢谢！