问题描述
我正在做多类语义分割(4 个类 + 背景)。我的掩码维度是 (256,256,3),输出掩码维度是 (256,5)。我选了 5,因为这是班级数。
骰子损失函数
inputs = inputs.view(-1)
targets = targets.view(-1)
intersection = (inputs * targets).sum() ---> error
dice = (2.*intersection + smooth)/(inputs.sum() + targets.sum() + smooth)
return 1 - dice
我该怎么做才能使两个维度相同?掩码是从 TIF 文件中提取的。
我在下面附上了我的面具图片。
解决方法
我相信你必须先对目标掩码进行单热编码。 我建议您先阅读这篇好文章,以便更好地掌握语义分割 https://www.jeremyjordan.me/semantic-segmentation/ 的所有细微之处。
确保预测和目标形状匹配,无需使用 view(-1)
压平张量。
同样作为个人建议,Pytorch 张量优先选择通道。
,我假设您显示的目标分割是一个 RGB 编码的地图。您希望将此 3 通道图像转换为 1 通道标签图。
假设 seg
是形状为 (b,3,h,w)
的地面实况分割图。标签到颜色映射可以任意设置为:
colors = torch.FloatTensor([[0,0],[1,1,[0,1]])
为每种颜色构建一个匹配像素的掩码,并在这些像素位置的新张量中分配相应的标签:
b,_,w = seg.shape
gt = torch.zeros(b,w)
seg_perm = seg.permute(0,2,1)
for label,color in enumerate(colors):
mask = torch.all(seg_perm == color,dim=-1).unsqueeze(1)
gt[mask] = label
以下面的分割图为例:
>>> seg = tensor([[[[1.,1.,0.,0.],[1.,0.]],[[0.,[0.,1.]],0.]]]])
用于可视化目的:
>>> T.ToPILImage()(seg[0].repeat_interleave(100,2).repeat_interleave(100,1))
生成的标签图将:
>>> gt
tensor([[[[2.,[2.,3.,4.,3.]]]])