keras - 图像分割 - Keras 中的自定义损失函数

Question

我正在使用 Keras 中实现的 U-Net ( https://arxiv.org/pdf/1505.04597.pdf ) 来分割显微镜图像中的细胞器。为了让我的网络识别仅由 1 个像素分隔的多个单个对象，我想对每个标签图像使用权重图(公式在出版物中给出)。

据我所知，我必须创建自己的自定义损失函数(在我的例子中是交叉熵)来利用这些权重图。然而，自定义损失函数只接受两个参数。如何在这样的函数中添加权重图值？

下面是我的自定义损失函数的代码:

def pixelwise_crossentropy(self, ytrue, ypred):

    ypred /= tf.reduce_sum(ypred, axis=len(ypred.get_shape()) - 1, keep_dims=True)

    # manual computation of crossentropy
    _epsilon = tf.convert_to_tensor(epsilon, ypred.dtype.base_dtype)
    output = tf.clip_by_value(ypred, _epsilon, 1. - _epsilon)

    return - tf.reduce_sum(ytrue * tf.log(output))

有没有办法将权重图值与 ytrue 张量中的标签值组合在一起？

如果这些问题看起来很愚蠢，我深表歉意，正如我所说，我对游戏比较陌生。任何帮助或建议将不胜感激!

Answer 1

如果您正在尝试实现二元交叉熵加权损失，您可以使用 tensorflow 内置损失函数

pos_weight = tf.constant([[1.0, 2.0]])
tensorflow.nn.weighted_cross_entropy_with_logits(y_true,
    y_pred,
    pos_weight,
    name=None) 

查看文档
https://www.tensorflow.org/api_docs/python/tf/nn/weighted_cross_entropy_with_logits

keras 的实现

def pixel_wise_loss(y_true, y_pred):
    pos_weight = tf.constant([[1.0, 2.0]])
    loss = tf.nn.weighted_cross_entropy_with_logits(
        y_true,
        y_pred,
        pos_weight,
        name=None
    )

    return K.mean(loss,axis=-1)

如果您正在尝试实现 softmax_cross_entropy_with_logits，请按照前面解释的链接进行操作
softmax_cross_entropy_with_logits