Giz*_*zmo 19 python neural-network image-segmentation deep-learning tensorflow
我想知道如何使用TensorFlow处理图像分割中未标记的图像部分.例如,我的输入是高度*宽度*通道的图像.标签尺寸高度*宽度太大,每个像素都有一个标签.
图像的某些部分是注释的,其他部分则没有.我希望这些部分对梯度计算没有任何影响.此外,我对网络预测这个"无效"标签不感兴趣.
这有标签或功能吗？目前我正在使用tf.nn.sparse_softmax_cross_entropy_with_logits.
Sha*_*hai 11
我不是100%熟悉TF.但是,您是否考虑过使用weights损失参数？
看tf.loses.sparse_softmax_cross_entropy它有一个参数weights
weights:损失的系数.这必须是标量或与标签相同的等级
您可以将weight"void"像素设置为零,从而使损失忽略它们.
您也可以删除减少tf.nn.sparse_softmax_cross_entropy_with_logits并使用它tf.losses.compute_weighted_loss来执行加权.