tensorflow deeplabv3+ 类权重

Question

我使用最新版本的 deeplab(v3+) 来训练我自己的由 6 个类别组成的数据集。我能够训练我的数据集，但由于我的标签严重不平衡，我想用特定于类的值对每个类进行加权。

以下是我如何通过 SegNet 实现这一点

loss_weight = np.array([0.975644, 1.025603, 0.601745, 6.600600, 1.328684, 0.454776])    

cross_entropy = -tf.reduce_sum(tf.multiply(labels * tf.log(softmax + epsilon), head), axis=[1])

这与 Deeplab 网络如何配合？

Answer 1

根据this讨论，您可以在 train_utils.py 文件上执行此操作，如下所示，

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)

有关更多详细信息，请点击之前提供的讨论链接。