我是新来的，所以很抱歉，如果这个问题是愚蠢的。
我在这里找到了https://keras.io/examples/vision/deeplabv3_plus/ deeplabv3+模型来执行多类语义分割。我需要将这段代码用于其他目的，因为我需要对医学图像执行二值语义分割。从
类数= 20
到NUM_CLASSES = 1？
如果我输入NUM_CLASSES = 2，我会得到一个关于logit和label不匹配的错误。
关于损失函数，代码行是loss = keras. loss.SparseCategoricalCrossentropy（from_logits=True）
我想把它改成
损失=角动量.损失.二元交叉熵（from_logits=True）
但是损失变成了负数，我应该加点别的吗
谢谢你，谢谢你
编辑：deeplabv3+在最后一层使用keras.activations.linear（x）进行多类语义分割。为了我的目的，我是否应该使用softmax而不是keras.activations.linear（x），并使用BinaryCrossEntropy和put from_logits=False？
1条答案
按热度按时间wsxa1bj11#
我解决了这个问题，如果有人需要答案的话：...“对于二进制分段，最好保持NUM_CLASS = 1，因为您尝试预测代表背景中单个类的二进制掩码。如果您希望预测单热编码分段掩码，（在当前上下文中，设置NUM_CLASS = 2），只有这样，才使用softmax激活沿着稀疏分类交叉熵损失，否则使用S形激活以及二元交叉熵。
https://github.com/keras-team/keras-io/issues/648