Keras多类语义切分标签

对于语义分段，最后一层通常是

output=Conv2D（num_类，（1,1），activation='softmax'）

---

我的问题是，如何准备标签？例如，如果我要识别10个类，每个类都有不同的颜色。对于每个标签图像，我是否需要为一种特定颜色应用遮罩，将其转换为灰度图像，以便与模型输出中的1个过滤器进行比较？或者有没有办法将一张完整的RGB图片作为标签传入？

您网络的输出将是一张具有10个通道的图像，其中每个像素将包含一个概率向量，该概率向量的总和为1（由于softmax）。示例：[0.1,0.1,0.1,0.05,0.05,0.1,0.1,0.1,0.1,0.2]。您希望标签图像的形状相同：一个具有10个通道的图像，每个像素是一个二进制向量，在类的索引处为1，在其他位置为0。你的分割损失函数就是像素交叉熵

用于实施：keras中的softmax具有一个轴参数：

当标签为（行，列）时，输出形状将为：（行，列，num_类）

例如：

---

您可能希望对分割的标签图像进行一次热编码，以便在10个类的情况下，输出中的每个像素都与一个二进制向量相关联，例如

[0,0,0,1,0,0,0,0]

。@sdcbr抱歉，您可以详细说明一次热编码标签图像吗？是否与我提到的方法相同？您网络的输出将是一个具有10个通道的图像，其中每个像素将包含一个概率向量，其总和为1（由于softmax）。示例：

[0.1,0.1,0.1,0.05,0.05,0.1,0.1,0.1,0.1,0.2]

。您希望标签图像的形状相同：一个具有10个通道的图像，每个像素是一个二进制向量，在类的索引处为1，在其他位置为0。你的分割损失函数就是像素交叉熵。@sdcbr好的，我明白了，谢谢。不过，还有一个问题，我认为softmax会单独应用于每个通道（因此一个通道中的所有像素总和为1），或者Keras足够聪明，知道我希望所有通道中的相同像素总和为1吗？这实际上是一个好问题。可能您必须稍微修改一下输出。也许看看这个例子

np_utils.to_categorical(labels, num_classes)