使用Deeplabv3+ keras的二进制语义分割(设计用于多类语义分割)

Question

我是Keras的新手，如果这个问题很愚蠢，我很抱歉。

我在这里找到了执行多类语义分割的deeplabv3+模型。我需要将这段代码调整到另一个目的，因为我需要在医学图像上执行二进制语义分割。改成这样对吗

NUM_CLASSES = 20

NUM_CLASSES = 1？

如果我把NUM_CLASSES = 2，我得到一个关于logits和标签之间不匹配的错误。

关于损失函数，代码行是loss = keras.losses.SparseCategoricalCrossentropy(from_logits=True)

我想把它改成

损失= keras.losses.BinaryCrossentropy(from_logits=True)

但是损失变成了负值。我应该添加其他东西吗？

谢谢!

编辑:多类语义分割的deeplabv3+在最后一层使用keras.activations.linear(x)。对于我的目的，我应该使用softmax而不是BinaryCrossEntropy的keras.activations.linear(x)并放入from_logits=False吗？

Answer 1

我解决了这个问题，如果有人需要答案：“……对于二进制分割，最好保持NUM_CLASS =1，因为你正在尝试预测一个代表背景中单个类的二进制掩码。如果你想预测一个单热编码的分割掩码(在当前上下文中，设置NUM_CLASS = 2)，那么只有这样才能使用softmax激活和稀疏分类交叉熵损失，否则使用sigmoid激活和二进制交叉熵。”

https://github.com/keras-team/keras-io/issues/648