TensorFlow中的多类U-网分割
提问于 2019-01-04 06:44:17
我已经看到了这个问题的所有变体，但仍在努力正确地实现它。我有四个类别(0背景，1-组织type1，2-组织type2，3-莫名其妙地跳过，和4-组织型4...BrATs数据集)的地面真实分割面具的脑部MRI图像。
我已经实现了一个基本的U-Net架构，但在将其扩展到非二进制分类时遇到了困难。特别是损失函数。
这就是我所实现的，但我显然忽略了一些重要的细节：
[...]
output = tf.layers.conv2d_transpose(
conv18,
filters=5,
kernel_size=1,
strides=1,
padding='same',
data_format='channels_last',
activation=None,
use_bias=True,
kernel_initializer=None,
bias_initializer=tf.zeros_initializer(),
kernel_regularizer=tf.contrib.layers.l2_regularizer(reg),
bias_regularizer=None,
activity_regularizer=None,
kernel_constraint=None,
bias_constraint=None,
trainable=True,
name='output',
reuse=None
)我认为(0,1,2,3,4)可能的掩码值的5个过滤器是正确的。然后，我使用了以下损失函数：
loss = tf.nn.sparse_softmax_cross_entropy_with_logits(
_sentinel=None,
labels=label,
logits=output,
name='cross_ent_loss'
)
return tf.reduce_mean(loss)在这里，逻辑将从上面传递输出，标签将是我堆叠的掩码图像n_batch，x_dim，y_dim，1。看文档，我知道我没有传递标签正确的张量。
我做得对吗？如何使用包含在1掩码图像中的多类标签来实现丢失？
回答 1
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/54041135
复制相关文章
腾讯云开发者
