machine-learning - 使用 FCN 进行图像分割的加权精度

Question

我已经构建了一个用于图像分割的 FCN。相对于图像尺寸(1024x1024)，要分割的对象只有很少的像素。这导致准确率非常高，即使我只用 10 张图像而不是 18000 张(我的完整训练集)进行训练。

我解决这个问题的方法是使用某种加权精度，这样精度实际上说明了识别小物体的性能(现在它获得了很高的精度，因为很多像素不是物体，并且不进行分类)任何事情的准确性仍然很高)。

有经验的 friend ，我该如何决定重量？

Answer 1

正如您所写，使用自定义权重函数可以更多地惩罚代表性不足的像素的错误分类。您可以通过计算对象像素数与图像中所有像素数之间的商来获得权重，或者您可以手动尝试 - 只要确保遵循告诉您对象像素准确性的指标即可。希望对您有所帮助。