Keras：图像分割中的无效标记像素

Question

我目前有一个 keras 模型，它使用完全卷积网络将每个像素分类为属于对象或背景。因为我只有 2 个类（对象或背景），所以我在输出层使用 sigmoid 激活和 binary_crossentropy 损失。

但是，对于一些图像，我不确定某些像素属于哪一类，因此我想将这些像素标记为 void，这样网络权重就不会根据这些像素的预测进行更新。 Keras中是否有处理空标签的方法？

一般来说，这样做的一种方法是为每个像素指定损失权重，并将空像素的权重设置为 0。（例如，like this 用于 tensorflow）。我在 Keras 中使用 sample_weights 进行了调查，但我无法让它工作，因为它似乎不是为加权像素而设计的。

Answer 1

所以事实证明，sample_weight 毕竟是可以使用的。由于样本权重只能有 2 个维度（batch_size，预测数），因此诀窍是将模型的输出重塑为平坦的。

我的模型定义的最后两行：

model.add(Reshape((-1, 1)))
model.compile(loss='binary_crossentropy', optimizer='adam', sample_weight_mode='temporal', metrics=['binary_accuracy'])

我使用 Reshape((-1,1)) 因为我的输入图像具有可变尺寸。当我训练模型时，我还必须使用扁平标签和 sample_weight。

我找到了答案here。