neural-network - 训练全卷积网络时忽略标签

Question

我正在 Caffe 中使用全卷积网络进行语义分割，使用 Cityscapes数据集。

这个script允许转换类的 ID，并表示将类的 ID 设置为在 255 处忽略，并“在训练期间忽略这些标签”。在实践中我们如何做到这一点？我的意思是，我如何“告诉”我的网络 255 不像其他整数那样是一个真正的类？

感谢您给了我背后的直觉。

Answer 1

使用，例如"SoftmaxWithLoss"层，你可以添加一个 loss_param {ignore_label: 255 } 来告诉 caffe 忽略这个标签:

layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "prediction"
  bottom: "labels_with_255_as_ignore"
  loss_weight: 1
  loss_param: { ignore_label: 255 }
}

我没有检查它，但我相信 ignore_label 也被 InfogainLoss 损失和其他一些损失层使用。