【CV基礎】基於Pytorch-Unet訓練多類別分割並測試

前言

本文是基於pytorch_unet訓練多類別數據集的分割，並完成測試；

操作步驟：

 

問題：

 1. 數據集的mask部分標簽類別不正確；

原因：

制作標簽的時候保存的圖像標簽文件時jpg，因為jpg格式會在存儲時對圖像進行壓縮，導致mask圖像不准確。

所以，保存標簽mask圖像的時候一定要注意保存為png格式的標簽圖像。

2. 分割的結果類別標簽全部為0；

原因：這個原因有很多種；

1）數據集的標簽信息或者圖像預處理過程有問題；

2）損失函數選取不合適；比如如果數據集中背景占比多，目標占比很少，就不能簡單使用交叉熵損失函數，交叉熵損失函數容易受到類別不平衡影響；

等等。。。。

 

 

參考

1. github_Pytorch_Unet;

2. UNet/UNet++多類別分割；

3.  Unet分割醫學圖像全記錄/結果全白解決辦法/多分類Dice loss；

4.  訓練Unet網絡模型分割醫學圖象遇到的坑（待整理）；

完