我正在尝试使用UNET进行一些图像分割（类似于this但2D）。但是，即使在时期1的开始，准确性也确实很高。
32/3616 [..............................] - ETA: 4:59:02 - loss: 0.6761 - accuracy: 0.9964
64/3616 [..............................] - ETA: 5:02:32 - loss: 0.4355 - accuracy: 0.9966
这正常吗？对我来说，感觉好像没学到！
其中之一是学习的征兆；损失，准确性或两者兼而有之？
p.s .：我正在使用CPU，我将尝试进行GPU训练以加快速度。
答案 0 :(得分：1)
您可能正在处理不平衡的数据集。当您尝试分割的结构较小时（例如，占用图像的1％），您的网络可以具有99％的精度。然后，如果您的网络仅预测0，那么您将获得99％的准确性（因为预测99％的“空”像素是正确的）。
您应该使用更多有用的指标来跟踪网络性能，包括Dice得分。
损失是学习的更好指标。
此外，使用CPU对U-Net进行现实生活中的任务培训几乎是不可能的（将需要数周至数月的时间）。您应该使用GPU以获得良好的性能。