训练语义分割网络时,使用公共数据集出现的问题

博主在训练深度学习模型时遇到问题,第二轮训练后模型表现异常,识别结果始终为黑色,各分类准确率为1/3。发现原始数据集标签图深度与模型需求不符,将图片转为8位灰度图后问题未解决。进一步检查发现图片像素值未按类别划分,通过代码修正后,模型得以正常训练。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

所有网络参数都部署完之后,开始训练,第一轮训练也可以正常训练,也会正常显示准确率,第二轮开始发现与第一轮的结果并无变化,随即停止训练,开始测试,发现识别每张图片都为黑色,并不显示图像识别结果,每一类的识别准确率都为33.33%,很明显是为准确率的1/3,然后我开始调整,应该是数据集图片出现问题,随即从图片寻找问题,我也看了好多的博客还有知乎,最后终于发现了问题,网上所下数据集标签图为16位深度,而网络需要的为8位灰度图,然后我把所有的图片都转化为8位,重新训练,但结果依旧不行,测试结果出现了两类准确率,然后我又去寻找问题,写代码查看图片的像素率,发现图片像素率还是正常像素率,并不是按类别分成0,1,2,然后我就使用代码将图片中所有像素值,全按类别划分为0,1,2,最终正常训练。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值