Python Keras：图像分割中的空洞标记像素

我目前有一个keras模型，它使用完全卷积网络将每个像素分类为属于对象或背景。因为我只有2个类（对象或背景），所以我在输出层使用了一个sigmoid激活和二进制交叉熵损失

但是，对于一些图像，我不确定某些像素属于哪一类，因此我想将这些像素标记为void，这样网络权重就不会根据这些像素的预测进行更新。是否有一种方法来处理Keras中的无效标签

---

通常，一种方法是为每个像素指定损失权重，并将空像素的权重设置为0。（例如，对于tensorflow）。我研究了在Keras中使用样本权重，但我无法使其起作用，因为它似乎不适用于加权像素。

因此，最终证明样本权重可以使用。由于样本重量只能有2个维度（批次大小，没有预测），所以技巧是将模型的输出重塑为平面

我的模型定义的最后两行：

model.add(Reshape((-1, 1)))
model.compile(loss='binary_crossentropy', optimizer='adam', sample_weight_mode='temporal', metrics=['binary_accuracy'])

我使用整形（-1,1）），因为我的输入图像具有可变的尺寸。当我训练模型时，我还必须使用扁平标签和样本重量

---

我找到了答案。

因此，最终证明样品重量可以使用。由于样本重量只能有2个维度（批次大小，没有预测），所以技巧是将模型的输出重塑为平面

我的模型定义的最后两行：

model.add(Reshape((-1, 1)))
model.compile(loss='binary_crossentropy', optimizer='adam', sample_weight_mode='temporal', metrics=['binary_accuracy'])

我使用整形（-1,1）），因为我的输入图像具有可变的尺寸。当我训练模型时，我还必须使用扁平标签和样本重量

---

我找到了答案。

>该功能似乎不适合此用途。如果成功了，就成功了。我会用这个，但一定要说清楚。对不起。我还不够清楚。我无法使用示例权重功能进行图像分割。我认为这是不可能的。我已经编辑了文本。>该功能似乎不适用于此目的。如果成功了，就成功了。我会用这个，但一定要说清楚。对不起。我还不够清楚。我无法使用示例权重功能进行图像分割。我认为这是不可能的。我已经编辑了文本。