多类图像分类中如何获取权重图

Posted 2023-03-12

【中文标题】多类图像分类中如何获取权重图

【英文标题】：How to obtain weights map in multi class image classification

【发布时间】：2019-09-08 13:25:43

【问题描述】：

我正在使用 keras 和 TensorFlow 进行多类图像分割。我训练有素的网络给了我很好的预测，但无法分离触摸对象，这就是为什么我想使用具有"weights" 参数的softmax_cross_entropy 损失函数。

知道我的y_true 形状是(batch-size,128,128,3)，我如何计算这些权重？

tf.losses.softmax_cross_entropy(y_true,y_pred,weights=my_weights)

【参考方案1】：

根据tf.losses.softmax_cross_entropy 的文档，您可以使用该参数对每个批次的样本进行不同的加权，它应该是形状为batch_size 的张量。

weights 充当损失系数。如果提供标量， 然后损失只是按给定值缩放。如果weights 是 形状为[batch_size] 的张量，然后将损失权重应用于每个 对应的样本。

但是，this answer 显示了如何为每个类分配不同的权重（也许您的数据集不平衡？）。我想这可能是您想要实现的更多目标。

【讨论】：

我的标签中的类分布不一样，所以我假设我的数据集不平衡。根据您发布的链接中的答案，他们使用ratio 来计算class_weight，当我有 800 个训练图像标签时，如何找到这个配给？

【参考方案2】：

您可以使用 sklearn 计算不平衡数据集的 class weight。并使用这些计算出的参数在tf.losses.softmax_cross_entropy 中分配weights。这将有助于解决您的问题。