我能够训练 U-net使用具有二元分类的标记图像。
但我很难弄清楚如何在 Keras/Theano 中为多类分类(4 个类)配置最后一层。
我有 634 张图像和相应的 634 个掩码,它们是 unit8
和 64 x 64 像素。
我的面具不是黑色 (0) 和白色 (1),而是有颜色标记的对象分为 3 类和背景,如下所示:
- 黑色 (0),背景
- 红色 (1),对象类别 1
- 绿色 (2),对象类别 2
- 黄色 (3),对象等级 3
在训练运行之前,包含掩码的数组被单热编码如下:
mask_train = to_categorical(mask_train, 4)
这使得 mask_train.shape
从 (634, 1, 64, 64)
到 (2596864, 4)
。
我的模型严格遵循 Unet 架构,但最后几层似乎有问题,因为我无法展平结构以匹配单热编码数组。
[...]
up3 = concatenate([UpSampling2D(size=(2, 2))(conv7), conv2], axis=1)
conv8 = Conv2D(128, (3, 3), activation='relu', padding='same')(up3)
conv8 = Conv2D(128, (3, 3), activation='relu', padding='same')(conv8)
up4 = concatenate([UpSampling2D(size=(2, 2))(conv8), conv1], axis=1)
conv9 = Conv2D(64, (3, 3), activation='relu', padding='same')(up4)
conv10 = Conv2D(64, (3, 3), activation='relu', padding='same')(conv9)
# here I used number classes = number of filters and softmax although
# not sure if a dense layer should be here instead
conv11 = Conv2D(4, (1, 1), activation='softmax')(conv10)
model = Model(inputs=[inputs], outputs=[conv11])
# here categorical cross entropy is being used but may not be correct
model.compile(optimizer='sgd', loss='categorical_crossentropy',
metrics=['accuracy'])
return model
对于如何修改模型的最终部分以成功训练,您有什么建议吗?我遇到了各种各样的形状不匹配错误,而且有几次我设法让它运行,损失在整个 epoch 中都没有改变。
最佳答案
如果您使用的是 channels_first,您应该将目标设置为 (634,4,64,64)
。
或者 (634,64,64,4)
如果 channels_last。
目标的每个 channel 都应该是一个类。每个 channel 都是 0 和 1 的图像,其中 1 表示该像素是该类,0 表示该像素不是该类。
然后,您的目标是 634 个组,每个组包含四张图像,每张图像具有 64x64 像素,其中像素 1 表示存在所需的特征。
我不确定结果是否会正确排序,但您可以尝试:
mask_train = to_categorical(mask_train, 4)
mask_train = mask_train.reshape((634,64,64,4))
#I chose channels last here because to_categorical is outputing your classes last: (2596864,4)
#moving the channel:
mask_train = np.moveaxis(mask_train,-1,1)
如果排序不正常,您可以手动执行:
newMask = np.zeros((634,4,64,64))
for samp in range(len(mask_train)):
im = mask_train[samp,0]
for x in range(len(im)):
row = im[x]
for y in range(len(row)):
y_val = row[y]
newMask[samp,y_val,x,y] = 1
关于python - 如何实现多类语义分割?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43900125/