Image processing 二值分割的结果是图像模糊
我正在研究一个二元分割问题,我必须从细胞中分割出细胞核。我使用二元交叉熵作为U-Net CNN模型的损失函数。生成的图像得到了一些模糊效果。我进行实验的年代越多,模糊程度就越高。是什么导致了这种模糊效果?我应该对我的模型做什么改变来消除这种效果 我已经附上了一个样本后产生的图像4个时代。Image processing 二值分割的结果是图像模糊,image-processing,machine-learning,deep-learning,image-segmentation,Image Processing,Machine Learning,Deep Learning,Image Segmentation,我正在研究一个二元分割问题,我必须从细胞中分割出细胞核。我使用二元交叉熵作为U-Net CNN模型的损失函数。生成的图像得到了一些模糊效果。我进行实验的年代越多,模糊程度就越高。是什么导致了这种模糊效果?我应该对我的模型做什么改变来消除这种效果 我已经附上了一个样本后产生的图像4个时代。 最简单的解决方案是将结果设置为某个阈值(为了方便起见,我使用了0.5)。但是,您可以使用骰子丢失,如中所示(keras实现可在此处找到:),它倾向于生成二进制输出。不过,最终结果是否比在二进制交叉熵输出上使用阈
最简单的解决方案是将结果设置为某个阈值(为了方便起见,我使用了0.5)。但是,您可以使用骰子丢失,如中所示(keras实现可在此处找到:),它倾向于生成二进制输出。不过,最终结果是否比在二进制交叉熵输出上使用阈值更好取决于您的数据集。Thomas Pinetz:是的,当然。我会试试你建议的一切。但是,二元交叉熵产生如此模糊的效果是很常见的,还是仅仅发生在我的例子中?这是很常见的。