python - 像素级多类分割，关于训练全零像素图像的问题

Question

我正在尝试实现具有 5 个不同类的多类语义分割模型。有些图像具有所有 5 类地面实况掩模，有些则没有。例如，下图包含所有 5 个不同类别的地面实况掩模。 enter image description here

我的问题是，如果我要训练如下所示的图像，但图像中没有类，该怎么办？我还应该用 5 个 channel 填充全零来训练这个图像吗？它是否可以有效地训练模型，从而减少误报？ enter image description here

提前谢谢您!

Answer 1

你的直觉很好。

如果您使用所有数据进行训练，您的模型可能会减少误报；同时，它也可能会增加假阴性的数量，因为您想要在 CT 扫描中预测的重要类别不太确定。

为了测试您的假设，您必须使用两个不同的数据集训练相同的神经网络:

1. 包含所有数据。这里的不平衡会更大。最后，根据定义，每个医学分割问题都是高度不平衡的，如果您的掩模没有标记感兴趣的类别，则更加不平衡。就您而言，它甚至更加不平衡:根据您问题的性质，甚至您的 5 个类别与感兴趣的背景/类别之间也可能存在不平衡。
2. 包含数据，其中掩码标记有您尝试预测的类别。

然后，在您的测试集上测试这些模型，看看哪个模型在 FP/FN 方面表现更好。