我想训练一个语义分割网络。 我有一个包含红色，蓝色，绿色，红外，低分割蒙版，高分割蒙版的数据集。
低分割蒙版由作为像素值的类标签组成，例如对于森林为0，对于水为1。尺寸为（256x256x1）。
高细分蒙版由作为像素值的类标签组成，例如森林为0，水为1。尺寸为（256x256x1）。但是根据图片标记的更精细。
我可以输入RGB IR和低分割蒙版作为语义分割网络（如UNET）的输入吗？ 输出高分割蒙版。
我的数据很少，只有1000张图像（带有高分割蒙版），并且必须预测5000张图像（这些高分割蒙版对我来说是不可访问的）。这就是为什么我想尝试这种技术的原因。
我目前正在从事CGAN实施，其中Generator的损失为“ categorical_crossentropy”。 UNET架构也是如此。