图像分割中的背景 class
Background class in Image Segmentation
我正在训练 U-Net 模型以从图像中分割出 2 个相关对象。
因此，U-Net 的输出是 2 个预测掩码，每个对象一个。
但是我看到一些帖子建议将背景也包含在 class 中。
为什么需要这个？由于 B = I - (O1 union O2) 其中 I, B, O1, O2 是背景中的像素集，整个图像和对象。有什么需要单独预测背景的？
由于您的模型仅输出 2 个掩码，它会预测每个像素属于 O1 或 至 O2 的概率 - 但它不能预测“不属于他们中的任何一个”。因此，根据定义，O1 union O2 = I - 背景像素没有空间。
要让模型预测“不属于 O1 或 O2”，您需要预测第三个蒙版，即背景蒙版。
我正在训练 U-Net 模型以从图像中分割出 2 个相关对象。
因此，U-Net 的输出是 2 个预测掩码，每个对象一个。
但是我看到一些帖子建议将背景也包含在 class 中。
为什么需要这个？由于 B = I - (O1 union O2) 其中 I, B, O1, O2 是背景中的像素集，整个图像和对象。有什么需要单独预测背景的？
由于您的模型仅输出 2 个掩码，它会预测每个像素属于 O1 或 至 O2 的概率 - 但它不能预测“不属于他们中的任何一个”。因此，根据定义，O1 union O2 = I - 背景像素没有空间。
要让模型预测“不属于 O1 或 O2”，您需要预测第三个蒙版，即背景蒙版。