问题描述
我是深度学习的新手。我正在处理 CT 扫描医学图像。我想使用 UNet 架构来预测图像分割。我已经成功实施了 UNet，但是，我的预测完全是黑色的。我认为这是因为有图像，其对应的地面实况是黑色的（相当多的图像）。所以，我想这可能会导致问题。
如果整个蒙版为黑色，则表示图像中没有所需的对象。示例图像如下；
以下是相应的基本事实。
我不知道如何处理这种情况。我应该删除所有的 (image,ground truth) 对吗？ CT 图像是体积图像。因此，当我的模型预测新测试集中的分割时，它也应该检测其中没有所需对象的图像。如果有人指导我，我将不胜感激。
数据集：https://www.doc.ic.ac.uk/~rkarim/la_lv_framework/wall/index.html
解决方法
图像分割更像是pixel classification而不是图像分类。
因此，您不应该看“空白图像”/“对象图像”的比率，而应该看“空白像素”/“对象像素”的比率。我猜这个比例更倾向于“空白”像素。
这意味着您正在处理严重的 class imbalance。
This answer 将焦点损失和在线硬负挖掘列为处理类不平衡的好方法。