TensorFlow：如何在图像分割中处理无效标记的数据？

Question

我想知道如何使用TensorFlow处理图像分割中未标记的图像部分。例如，我的输入是高度宽度通道的图像。标签的大小也为高度*宽度，每个像素有一个标签。

图像的某些部分带有注释，其他部分则没有注释。我希望这些部分对梯度计算没有任何影响。此外，我对网络预测此“无效”标签不感兴趣。

是否有标签或功能？目前我正在使用tf.nn.sparse_softmax_cross_entropy_with_logits。

Answer 1

我不是100％熟悉TF。但是，您是否考虑过使用weights损失参数？
看tf.loses.sparse_softmax_cross_entropy它有一个参数weights

weights ：损失系数。这必须是标量或与标签具有相同的等级

您可以将weight“无效”像素设置为零，从而使损耗忽略它们。

您也可以从中删除减少量tf.nn.sparse_softmax_cross_entropy_with_logits并用于tf.losses.compute_weighted_loss执行加权。