python – TensorFlow：如何处理图像分割中的空白标记数据？

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.

解决方法:

我不是100％熟悉TF.但是,您是否考虑过使用损失的权重参数？
看tf.loses.sparse_softmax_cross_entropy它有一个参数权重

weights: Coefficients for the loss. This must be scalar or of same rank as labels

您可以将“void”像素的权重设置为零,从而使丢失忽略它们.

您还可以从tf.nn.sparse_softmax_cross_entropy_with_logits中删除减少量,并使用tf.losses.compute_weighted_loss执行加权.

标签：image-segmentation,python,tensorflow,neural-network,deep-learning
来源： https://codeday.me/bug/20190927/1823512.html