Gute Leistung mit Genauigkeit, aber nicht mit Würfelverlust bei der Bildsegmentierung ⇐ Python

[Anonymous]

Ich mache Bildsegmentierung mit U-Net-ähnlicher Architektur auf Tensorflow mit Keras, aber ich bin neu in Deep Learning.

Ich habe diesen Datensatz mit den folgenden Satzformen:


[*]Train: X: (175250, 30, 30, 6) Y: (175250, 30, 30)
[*]Validierung: X: (29200, 30, 30, 6) Y: (29200, 30, 30)
Test: />Einige Beispiele für diese Bilder und jeden Kanal finden Sie weiter unten.

--> mit 20 % positiven Beispielen und 80 % negativen Beispielen gleichermaßen in jedem Satz

Ich führe einige Serien durch, aber für die beste Filterkombination habe ich
das Diagramm für BCE mit guter Genauigkeit erstellt:



Das Diagramm für benutzerdefinierte Funktionen, Dice_Loss von Dice_Coeff:




Und einige Bilder, die mit dem besten trainierten Modell generiert wurden mit Testbildern:




Das Problem ist, wenn ich zu Würfelverlust und -koeffizient wechsle, gibt es keine guten Vorhersagen, wie wir in der Bilddarstellung gesehen haben, und jetzt ist es nicht in der Bildvorhersage, wie wir vielleicht sehen.



Warum schneidet es beim Würfelverlust so schlecht ab? Welche andere Funktion empfehlen Sie?

Meine Würfelverlust- und Koeffizientenfunktion:

Code: Select all

def dice_coeff(y_true, y_pred, smooth=1):
intersection = K.sum(K.abs(y_true * y_pred), axis=-1)
return (2. * intersection + smooth) / (K.sum(K.square(y_true),-1) + K.sum(K.square(y_pred),-1) + smooth)

def dice_loss(y_true, y_pred):
return 1-dice_coeff(y_true, y_pred)