二值分割的结果是模糊的图像

【问题标题】：Result of binary segmentation is blurred images二值分割的结果是模糊的图像
【发布时间】：2018-09-21 10:29:06
【问题描述】：

我正在研究一个二进制分割问题，我必须从细胞中分割出细胞核。我使用二元交叉熵作为 U-Net CNN 模型的损失函数。生成的图像有一些模糊的效果。我运行实验的 epoch 数越多，出现的模糊就越多。是什么导致了这种模糊的效果，我应该对我的模型进行哪些更改以消除这种情况？

我附上了一张在 4 个 epoch 之后生成的示例结果图像。

【问题讨论】：

标签： image-processing machine-learning deep-learning image-segmentation

【解决方案1】：

最简单的解决方案是将结果设置为某个阈值（为方便起见，我使用了 0.5）。但是，您可以像https://arxiv.org/abs/1608.04117 一样使用骰子损失（keras 实现可以在这里找到：https://github.com/raghakot/ultrasound-nerve-segmentation），这往往会产生二进制输出。不过，最终结果是否比在二元交叉熵输出上使用阈值更好取决于您的数据集。

【讨论】：

Thomas Pinetz：是的，当然。我会尝试你建议的一切。但是，二元交叉熵产生这种模糊效果是否普遍，还是仅在我的情况下发生？
这很常见。