【CV基礎】基於Pytorch-Unet訓練多類別分割並測試
阿新 • • 發佈:2021-06-16
前言
本文是基於pytorch_unet訓練多類別資料集的分割,並完成測試;
操作步驟:
問題:
1. 資料集的mask部分標籤類別不正確;
原因:
製作標籤的時候儲存的影象標籤檔案時jpg,因為jpg格式會在儲存時對影象進行壓縮,導致mask影象不準確。
所以,儲存標籤mask影象的時候一定要注意儲存為png格式的標籤影象。
2. 分割的結果類別標籤全部為0;
原因:這個原因有很多種;
1)資料集的標籤資訊或者影象預處理過程有問題;
2)損失函式選取不合適;比如如果資料集中背景佔比多,目標占比很少,就不能簡單使用交叉熵損失函式,交叉熵損失函式容易受到類別不平衡影響;
等等。。。。
參考
3.Unet分割醫學影象全記錄/結果全白解決辦法/多分類Dice loss; 4.訓練Unet網路模型分割醫學圖象遇到的坑(待整理);完