TSW*_*TSW 6 deep-learning keras
我正在尝试使用unet设计进行多类语义分割.与unet论文类似,我想对超重边框做出损失功能(第5页).
因此,我想为每个图像制作一个自定义丢失图,其中对象之间的边界被加权.我使用分类交叉熵,我在丢失函数之前将图像展平,如此处所示.我会很好地制作像素丢失掩模,但我想知道如果可能的话,如何通过像素掩模多次丢失.
如果您知道如何在 2d 地图上执行此操作，您始终可以使用多个输出，并在交叉熵损失之外使用自定义像素掩码。可以在此处找到 U 形网络的多重损失的示例实现： https: //github.com/EdwardTyantov/ultrasound-nerve-segmentation
| 归档时间： |
|
| 查看次数： |
4282 次 |
| 最近记录： |