我很确定这是一个愚蠢的问题,但我无法在其他任何地方找到它,所以我会在这里问它.
我正在使用带有7个标签的keras中的cnn(unet)进行语义图像分割.所以每个图像的标签是(7,n_rows,n_cols)使用theano后端.因此,对于每个像素的7个层,它是一个热编码的.在这种情况下,使用分类交叉熵是正确的误差函数吗？这似乎对我来说,但网络似乎更好地学习二进制交叉熵损失.有人可以阐明为什么会这样,原则目标是什么？
image-processing image-segmentation deep-learning keras
deep-learning ×1
image-processing ×1
image-segmentation ×1
keras ×1