keras - Keras 多类语义分割标签

Question

对于语义分割，您通常最终会得到最后一层

output = Conv2D(num_classes, (1, 1), activation='softmax')

我的问题是，我该如何为此准备标签？例如，如果我要识别 10 个类，每个类都有不同的颜色。对于每个标签图像，我是否需要对一种特定颜色应用遮罩，将其转换为灰度图像，以便我可以与模型输出中的 1 个过滤器进行比较？或者有没有办法将一张完整的 RGB 图片作为标签传入？

标签： kerasdeep-learningconv-neural-network

Answer 1

网络的输出将是具有 10 个通道的图像，其中每个像素将包含一个概率向量，其总和为 1（由于 softmax）。示例：[0.1,0.1,0.1,0.05,0.05,0.1,0.1,0.1,0.1,0.2]。您希望标签图像具有相同的形状：具有 10 个通道的图像，每个像素是一个二进制向量，在类的索引处为 1，在其他地方为 0。您的分割损失函数就是像素级交叉熵。

实现：keras 中的 softmax 有一个轴参数：https ://keras.io/activations/#softmax