deeplab我的自定义数据集的权重标准是什么？

Question

我正在培训Deeplab v3，将自定义数据集分为三类，包括背景

然后，我的班级是背景，熊猫，瓶子，还有1949张照片。

我正在使用moblienetv2模型

和segmentation_dataset.py已修改如下。

_MYDATA_INFORMATION = DatasetDescriptor(
        splits_to_sizes={
            'train': 975,  # num of samples in images/training
            'trainval': 1949,
            'val': 974,  # num of samples in images/validation
        },


        num_classes=3,
        ignore_label=0,
)

train.py已被修改如下。

flags.DEFINE_boolean('initialize_last_layer', False,
                 'Initialize the last layer.')

flags.DEFINE_boolean('last_layers_contain_logits_only', True,
                 'Only consider logits as last layers or not.')

train_utils.py尚未修改。

not_ignore_mask = tf.to_float(tf.not_equal(scaled_labels, ignore_label)) * loss_weight

我得到了一些结果，但不是完美的结果。

例如，熊猫和瓶子的面具颜色相同或不同

我想要的结果是红色的熊猫和绿色的瓶子

所以，我判断重量有问题。

根据其他人的问题，train_utils.py配置如下

irgore_weight = 0
label0_weight =1
label1_weight = 10
label2_weight = 15
not_ignore_mask = 
    tf.to_float(tf.equal(scaled_labels, 0)) * label0_weight +
    tf.to_float(tf.equal(scaled_labels, 1)) * label1_weight +
    tf.to_float(tf.equal(scaled_labels, 2)) * label2_weight +
    tf.to_float(tf.equal(scaled_labels, ignore_label)) * irgore_weight 

tf.losses.softmax_cross_entropy(
    one_hot_labels,
    tf.reshape(logits, shape=[-1, num_classes]),
    weights=not_ignore_mask,
    scope=loss_scope)

我在这里有一个问题。

体重的标准是什么？

我的数据集包含以下内容。

enter image description here

它是自动生成的，所以我不确切知道哪一个更多，但它的数量相似。

另外，我正在使用Pascal的彩色地图类型。

这是第一个黑色背景和第二个红色第三个绿色。

我想将大熊猫指定为红色，将瓶子指定为绿色。我该怎么办？

Answer 1

我想你可能会混淆你的标签定义。也许我可以帮助你。请再次检查您的segmentation_dataset.py。在这里，您将“0”定义为被忽略的标签。这意味着标记为“0”的所有像素都被排除在训练过程之外（更具体地，在损失函数的计算中被排除，因此对权重的更新没有影响）。鉴于这种情况，不要“忽略”背景类是至关重要的，因为它也是一个你想要正确预测的类。在train_utils.py中，你可以为忽略的类分配一个减弱因子，这将不起作用 - >确保你不要将你的三个训练类[background，panada，bottle]与“ignored”标签混淆。

在你的情况下，num_classes = 3应该是正确的，因为它指定了要预测的标签数量（模型自动假设这些标签是0,1和2.如果你想忽略某些标签，你必须用第四个标签类注释它们（只需选择一个> 2的数字），然后将此标签分配给ignored_label。如果您没有要忽略的像素，仍然设置ignored_label = 255并且它不会影响您的训练;）