Tensorflow 语义分割中如何删除特定的标记像素

我不熟悉语义分割。我使用FCN来训练我的数据集。在数据集中有一些未知类的像素。我想把这个班排除在我的损失之外。因此，我根据整个数据集的类分布定义了一个权重，并将未知类的权重设置为零，如下所示。但我还是得到了这门课的预测。你知道如何正确地排除一个特定的类吗

loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits
                      (logits=logits, labels=tf.squeeze(annotation,
                                                        squeeze_dims=[3]),name="entropy"))
weighted_losses = (loss * weights)
train_op = optimizer.minimize(weighted_losses,
                                  var_list=tf.trainable_variables(),
                                  global_step=tf.train.get_global_step())

---

我不知道pytorch，但我听说在loss函数中有一个用于此目的的东西“ignore_index”，您可以忽略一个特定的类。如果这是解决我问题的正确方法，你知道张量流中是否有等价物吗

对于语义切分，有两个“特殊”标签：一个是“背景”（通常为0），另一个是“忽略”（通常为255或-1）

• “背景”和所有其他语义标签一样，意思是“我知道这个像素不属于我正在使用的任何语义类别”。只要适用，模型就必须正确输出“背景”
• “忽略”标签不是模型可以预测的标签-它“超出”其范围。此标签仅存在于培训注释中，意思是“我们不确定该如何标记此像素，因此忽略它”

当目标标签中存在“忽略”像素时，模型不能（也不应该）输出“忽略”标签。然而，您的模型应该输出一些东西。该像素标记为“忽略”这一事实意味着丢失函数将忽略该像素的模型输出（假设您告诉丢失函数忽略“忽略”像素）。此外，如果您的测试/验证集具有“忽略”标签，则意味着无论您的模型为这些像素输出什么，它都将被评分机制忽略，并且不会被视为正确或不正确的预测

总而言之：即使地面真相有“忽略”标签，模型也不能也不应该输出“忽略”。它只是简单地输出它感觉像的任何有效标签，它是完全可以的

---

对于tensorflow，您可以结帐。

谢谢您的回答。我现在想知道如何“忽略”借条中的标签。你能给我一些提示吗？@Arb有趣的问题。为什么不把它贴出来呢？谢谢你的回复。我已经发了