python-3.x - UNET 训练：准确度从 0.99 开始

Question

我正在尝试使用 UNET 进行一些图像分割（类似于this但 2D ）。然而，即使在 epoch 1 开始时，准确度也开始非常高。

32/3616 [..............................] - ETA: 4:59:02 - loss: 0.6761 - accuracy: 0.9964
64/3616 [..............................] - ETA: 5:02:32 - loss: 0.4355 - accuracy: 0.9966

这是正常的吗？对我来说，感觉就像它不学习！

哪一个是学习的迹象；损失，准确性或两者兼而有之？

ps：我正在使用CPU，我将尝试GPU训练以加快速度。

标签： python-3.xtensorflowkerasdeep-learningimage-segmentation

Answer 1

您可能正在处理不平衡的数据集。当您尝试分割的结构很小（例如，占图像的 1%）时，您的网络可以有 99% 的准确度。然后，如果您的网络仅预测 0，您将获得 99% 的准确率（因为预测 99% 的“空”像素是正确的）。

您应该使用更多信息指标来跟踪您的网络性能，包括 Dice 分数。

损失在这里是一个更好的学习指标。

此外，使用 CPU 为现实生活中的任务训练 U-Net 几乎是不可能的（需要数周数月）。您应该使用 GPU 以获得良好的性能。