Блог

Главная - Вопросы по программированию - Форма основной истины при сегментации многоклассовых изображений с помощью pytorch

Форма основной истины при сегментации многоклассовых изображений с помощью pytorch

#deep-learning #computer-vision #pytorch #image-segmentation #semantic-segmentation

#глубокое обучение #компьютерное зрение #pytorch #сегментация изображений #семантическая сегментация

Вопрос:

Я работаю над изображениями ячеек 128 x 128 x 3 и хочу разделить их на 5 классов, включая фоны. Сначала я сделал целевые изображения размером 128 x 128, а значения указаны в {0,1,2,3,4}. Но я обнаружил, что мне нужно сделать мою целевую основную истину как 5-канальное изображение, и все значения равны 0 или 1: если пиксель имеет 1 в n-м канале, то его следует отнести к n-му классу.

Но когда я запускаю свою модель в Unet-модель, которую я разветвил с GitHub, я обнаружил ошибку при вычислении потери кросс-энтропии.

Изначально я настроил количество каналов на входе равным 3, а количество классов на выходе — 5. И размер пакета = 2

Вот мои коды:

 for i, (x, y) in batch_iter:
    input, target = x.to(self.device), y.to(self.device)  # send to device (GPU or CPU)
    self.optimizer.zero_grad()  # zerograd the parameters
    out = self.model(input)  # one forward pass
    loss = self.criterion(out, target)  # calculate loss
    loss_value = loss.item()
    train_losses.append(loss_value)
    loss.backward()  # one backward pass
    self.optimizer.step()  # update the parameters

    batch_iter.set_description(f'Training: (loss {loss_value:.4f})')  # update progressbar

self.training_loss.append(np.mean(train_losses))
self.learning_rate.append(self.optimizer.param_groups[0]['lr'])

batch_iter.close()

И сообщение об ошибке

 RuntimeError: 1only batches of spatial targets supported (3D tensors) but got targets of size: : [2, 5, 128, 128]

Как я могу решить эту проблему?

Комментарии:

1. Пожалуйста, добавьте гиперссылку на модель U-Net

2. Какую форму ожидает модель? assert Непосредственно перед появлением этой ошибки может произойти сбой строки.

3. @Abhi25t Привет, вот ссылка на модель, которую я использовал: github.com/milesial/Pytorch-UNet.git .

4. Ожидаемая форма выходного сигнала модели равна [2,5,128,128]. Я не смог найти соответствующий оператор assert

Ответ №1:

Кажется, вы используете либо nn.CrossEntropyLoss или nn.functional.cross_entropy

Я тоже столкнулся с такой же ошибкой.

CrossEntropyLoss обычно используется для классификации вариантов использования.

Если вашими целями являются нормализованные тензоры со значениями в [0, 1] , вы можете использовать nn.BCELoss или nn.functional.binary_cross_entropy_with_logits . Это сработало в моем случае, поскольку мы используем отдельную маску для каждого класса — это становится проблемой бинарной перекрестной энтропии.