图像分割 - Keras中的自定义丢失功能-Java 学习之路

我正在使用Keras实施的U-Net（https://arxiv.org/pdf/1505.04597.pdf）来分割显微镜图像中的细胞器 . 为了让我的网络识别出仅由1个像素分隔的多个单个对象，我想为每个标签图像使用权重贴图（公式在出版物中给出） .

据我所知，我必须创建自己的自定义丢失函数（在我的情况下是crossentropy）来使用这些权重贴图 . 但是，自定义丢失功能仅包含两个参数 . 如何在这样的函数中添加权重贴图值？

以下是我的自定义丢失功能的代码：

def pixelwise_crossentropy(self, ytrue, ypred):

    ypred /= tf.reduce_sum(ypred, axis=len(ypred.get_shape()) - 1, keep_dims=True)

    # manual computation of crossentropy
    _epsilon = tf.convert_to_tensor(epsilon, ypred.dtype.base_dtype)
    output = tf.clip_by_value(ypred, _epsilon, 1. - _epsilon)

    return - tf.reduce_sum(ytrue * tf.log(output))

有没有办法将权重贴图值与ytrue张量中的标签值组合在一起？

如果这些问题看起来很愚蠢，我很抱歉，正如我所说，我对游戏相对较新 . 任何帮助或建议将不胜感激！

1 回答

如果你试图实现二进制交叉熵加权损失，你可以使用张量流内置损失函数

pos_weight = tf.constant([[1.0, 2.0]])
tensorflow.nn.weighted_cross_entropy_with_logits(y_true,
    y_pred,
    pos_weight,
    name=None)

查看文档https://www.tensorflow.org/api_docs/python/tf/nn/weighted_cross_entropy_with_logits

keras的实现

def pixel_wise_loss(y_true, y_pred):
    pos_weight = tf.constant([[1.0, 2.0]])
    loss = tf.nn.weighted_cross_entropy_with_logits(
        y_true,
        y_pred,
        pos_weight,
        name=None
    )

    return K.mean(loss,axis=-1)

如果您正在尝试实现softmax_cross_entropy_with_logits，请按照前面的链接进行解释softmax_cross_entropy_with_logits

回复于 2024-04-27T21:44:26+08:00

图像分割 - Keras中的自定义丢失功能

1 回答

相关问题