我目前正在使用U-Net(https://arxiv.org/pdf/1505.04597.pdf)的修改版本来分割显微镜图像中的细胞器 . 由于我使用的是Keras,我从https://github.com/zhixuhao/unet获取了代码 . 然而,在该版本中,没有实施权重图以迫使网络学习边界像素 .
到目前为止我获得的结果非常好,但网络无法分离彼此接近的对象 . 所以我想尝试使用论文中提到的权重图 . 我已经能够为每个标签图像生成权重图(基于给定的公式),但我无法找到如何使用此权重图来训练我的网络,从而解决了上述问题 .
是否必须以某种方式组合重量图和标签图像,或者是否有Keras功能可以让我使用重量图?我是生物学家,最近才开始使用神经网络,所以我的理解仍然有限 . 任何帮助或建议将不胜感激 .
2 回答
如果它仍然相关:我最近需要解决这个问题 . 您可以将下面的代码粘贴到Jupyter笔记本中,看看它是如何工作的 .
我想你想在Keras中使用
class_weight
. 如果您已经计算了类权重,这实际上很容易在您的模型中引入 .model.fit
或model.fit_generator
培训期间传递此参数您可以查看Keras文档以获取更多详细信息here .