我正在对我的数据进行 FCN32 语义分割。我运行算法来微调我的数据（只有一个通道的灰度图像），直到 80,000 次迭代；然而，损失和准确率是波动的，输出图像完全是黑色的。甚至，经过 80,000 次迭代，损失如此之高。我认为分类器不能很好地训练我的数据。所以，我要从头开始训练。另一方面，我的数据有不平衡的班级成员。背景像素多于其他四类。一些研究人员建议使用加权损失。有人有什么主意吗？我做对了吗？如何将此加权损失添加到 train_val.prototxt？
如果您知道与加权损失训练相关的任何资源/示例，我将不胜感激，请在此处与我分享。
再次感谢