像素级多类别细分，有关训练所有零像素图像的问题

Question

我正在尝试使用5个不同的类来实现多类语义分割模型。 有些图像具有所有5类地面真相蒙版，有些则没有。例如，下面的图像具有所有5种不同类别的地面真相蒙版。 enter image description here

我的问题是，如果我要像下面这样训练这张图像但该图像中没有课程，该怎么办？我是否仍应使用填充了全零的5通道来训练该图像？ 它能有效地训练模型，从而减少误报吗？ enter image description here

提前谢谢！

Answer 1

您的直觉是好的。

如果您使用所有数据进行训练，则模型可能会减少误报；同时，这也可能增加假阴性的数量，因为对于您想要在CT扫描中预测的重要类别的不确定性会降低。

为了检验您的假设，您必须使用两个不同的数据集训练相同的神经网络：

1. 所有数据之一。在这里，不平衡会更大。最后，根据定义，每个医学细分问题都是高度失衡的，如果您戴的口罩没有标记感兴趣的类别，问题就更加严重。对于您而言，它甚至更加不平衡：根据问题的性质，即使您的5个班级与感兴趣的背景/班级之间也可能存在不平衡。
2. 带有数据的数据，其中用您要预测的类标记了掩码。

然后，在测试集上测试这些模型，然后看看哪种模型更适合FP / FN。