Python 为什么在CNN分割任务中使用0.5作为二值化阈值？

为什么在CNN分割任务中使用0.5作为二值化阈值

我们通常在得到预测概率图后执行二值化，如下所示：

Pred = model(data)

Pred = pred > 0.5

我不明白为什么它是0.5。我已尝试将此阈值设置为0.3、0.4、0.5和0.6。结果表明，0.4是最好的，当然，不同的任务会产生不同的结果

---

那么，为什么我们总是使用0.5作为图像分割的阈值呢？

阈值是特定于任务的

因此，没有现成的保证阈值可以最好地发挥作用

其思想是在不同的阈值（显然在0和1之间）之间迭代，并找到最适合您的问题的阈值

至于你的不确定性：你在分割过程中使用了神经网络；在写这篇评论的时候，研究人员仍在研究神经网络的“可解释性问题”

---

没有人会回答“为什么0.4比0.5好”；这只能是猜测。

我们并不总是使用0.5，但与大多数监督学习算法一样，必须给出一个默认阈值，而且大多数情况下是0.5（将默认阈值设置为0.4或0.6会很奇怪，就像您所说的，这将是一个根据任务进行优化的参数）我使用0.95在我的情况下，所以它可以根据您的不同problem@HuguesGALLIER是的，我担心将其设置为0.4会受到质疑，为什么这是一个值。到目前为止，我仍然不能很好地解释这个问题。@juvianj我也使用了0.4作为阈值，但到目前为止，我无法解释使用0.4的原因。这就像我只是选择了一个，并且毫无理由地做到了最好。这个问题并不真正适合stackoverflow，它是一个更一般的问题，而不是一个程序问题。