neural-network - 训练全卷积网络时忽略标签

Question

我在 Caffe 中使用完全卷积网络进行语义分割，使用Cityscapes数据集。

该脚本允许转换类的 ID，并表示将要忽略的类 ID 设置为 255，并“在训练期间忽略这些标签”。我们如何在实践中做到这一点？我的意思是，我如何“告诉”我的网络 255 不像其他整数那样是一个真正的类？

谢谢你给了我背后的直觉。

Answer 1

使用，例如"SoftmaxWithLoss"层，你可以添加一个loss_param { ignore_label: 255 }告诉 caffe 忽略这个标签：

layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "prediction"
  bottom: "labels_with_255_as_ignore"
  loss_weight: 1
  loss_param: { ignore_label: 255 }
}

我没有检查它，但我相信ignore_label它也被InfogainLoss损失和其他一些损失层使用。