python - TensorFlow:如何处理图像分割中的无效标记数据？

Question

我想知道如何使用 TensorFlow 在图像分割中处理未标记的图像部分。例如，我的输入是高度 * 宽度 * channel 的图像。标签也是高*宽的大小，每个像素一个标签。

图像的某些部分带有注释，而其他部分则没有。我希望这些部分对梯度计算没有任何影响。此外，我对预测这个“无效”标签的网络不感兴趣。

这有标签或功能吗？目前我正在使用 tf.nn.sparse_softmax_cross_entropy_with_logits。

Answer 1

我对 TF 不是 100% 熟悉。但是，你有没有考虑过使用损失的weights参数？
看tf.loses.sparse_softmax_cross_entropy它有一个参数 weights

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

您可以将“空”像素的 weight 设置为零，从而使损失忽略它们。

您还可以从 tf.nn.sparse_softmax_cross_entropy_with_logits 中删除减少并使用 tf.losses.compute_weighted_loss进行加权。