使用 Deeplabv3+ keras 进行二元语义分割（专为多类语义分割而设计）答案

【问题标题】：Binary semantic Segmentation with Deeplabv3+ keras (designed for multiclass semantic segmentation)使用 Deeplabv3+ keras 进行二元语义分割（专为多类语义分割而设计）
【发布时间】：2021-11-19 10:20:17
【问题描述】：

我是 Keras 的新手，如果这个问题很愚蠢，我很抱歉。

我在这里https://keras.io/examples/vision/deeplabv3_plus/ 找到了用于执行多类语义分割的 deeplabv3+ 模型。我需要将此代码调整到另一个目的，因为我需要对医学图像执行二进制语义分割。换成是对的吗

NUM_CLASSES = 20

到 NUM_CLASSES = 1 个？

如果我设置 NUM_CLASSES = 2，我会收到关于 logits 和标签不匹配的错误。

关于损失函数，代码行是 loss = keras.losses.SparseCategoricalCrossentropy(from_logits=True)

我想改成

损失 = keras.losses.BinaryCrossentropy(from_logits=True)

但损失变为负数。我应该添加其他内容吗？

谢谢！

编辑：用于多类语义分割的 deeplabv3+ 在最后一层使用 keras.activations.linear(x)。出于我的目的，我应该使用 softmax 而不是 keras.activations.linear(x) 和 BinaryCrossEntropy 并输入 from_logits=False？

【问题讨论】：

标签： python tensorflow keras image-segmentation

【解决方案1】：

我解决了这个问题，如果有人需要答案： “...对于二进制分割，最好保持 NUM_CLASS = 1，因为您正在尝试预测代表单个类别的二进制掩码。如果您希望预测单热编码分割掩码（在当前上下文，设置 NUM_CLASS = 2)，然后才使用 softmax 激活和稀疏分类交叉熵损失，否则使用 sigmoid 激活和二元交叉熵。"

https://github.com/keras-team/keras-io/issues/648

【讨论】：