我想学习TensorFlow中的图像分割,其值为{0.0,1.0}。我有两个图像,ground_truth
和prediction
,每个都有形状(120,160)
。 ground_truth
图像像素仅包含0.0或1.0的值。
预测图像是解码器的输出,它的最后两层是tf.layers.conv2d_transpose
和tf.layers.conv2d
,如下所示:
transforms (?,120,160,30) -> (?,120,160,15)
outputs = tf.layers.conv2d_transpose(outputs, filters=15, kernel_size=1, strides=1, padding='same')
# ReLU
outputs = activation(outputs)
# transforms (?,120,160,15) -> (?,120,160,1)
outputs = tf.layers.conv2d(outputs, filters=1, kernel_size=1, strides=1, padding='same')
最后一层不带有激活功能,因此它的输出是无界的。我使用以下损失函数:
logits = tf.reshape(predicted, [-1, predicted.get_shape()[1] * predicted.get_shape()[2]])
labels = tf.reshape(ground_truth, [-1, ground_truth.get_shape()[1] * ground_truth.get_shape()[2]])
loss = 0.5 * tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(labels=labels,logits=logits))
这种设置收敛得很好。但是,我已经意识到我在验证时的最后一个NN层的输出似乎在[-inf,inf]中。如果我可视化输出,我可以看到分割的对象没有被分割,因为几乎所有像素都被“激活”。最后一个conv2d层的单个输出的值分布如下所示:
我是否必须对输出进行后处理(裁剪负值或通过S形激活等运行输出)?如何将输出值强制为{0,1},我需要做什么?
解决了它。问题是tf.nn.sigmoid_cross_entropy_with_logits
通过sigmoid运行logits,当然在验证时不使用,因为丢失操作仅在列车时间调用。因此解决方案是:
确保在验证/测试时通过tf.nn.sigmoid
运行网络输出,如下所示:
return output if is_training else tf.nn.sigmoid(output)