关于U-net图像分割预测结果（预测效果）全黑/全灰/全白的问题

九辰LadyNine

已于 2023-10-26 21:16:31 修改

阅读量2.4k

点赞数 1

CC 4.0 BY-SA版权

文章标签：经验分享笔记计算机视觉目标检测

于 2023-10-26 21:10:56 首次发布

本文链接：https://blog.youkuaiyun.com/qq_45103693/article/details/134064850

在调试过程中，预感可能影响是否全黑的参数为：

    Freeze_Train        = False

    dice_loss       = True # 我的代码为一个主体的识别，
#所以num_class为1主体+1背景 = 2 属于各类少的情况，所以设置为True

    focal_loss      = True # 当背景占大部分，主体占小部分，
#符合不平衡的条件，使用focal loss来防止正负样本不平衡

以下是train.py的完整参数设置，仅供参考，batch_size请根据自身情况调小，欢迎反馈效果！！！

#---------------------------------#
    #   Cuda    是否使用Cuda
    #           没有GPU可以设置成False
    #---------------------------------#
    Cuda = True
    #---------------------------------------------------------------------#
    #   distributed     用于指定是否使用单机多卡分布式运行
    #                   终端指令仅支持Ubuntu。CUDA_VISIBLE_DEVICES用于在Ubuntu下指定显卡。
    #                   Windows系统下默认使用DP模式调用所有显卡，不支持DDP。
    #   DP模式：
    #       设置            distributed = False
    #       在终端中输入    CUDA_VISIBLE_DEVICES=0,1 python train.py
    #   DDP模式：
    #       设置            distributed = True
    #       在终端中输入    CUDA_VISIBLE_DEVICES=0,1 python -m torch.distributed.launch --nproc_per_node=2 train.py
    #---------------------------------------------------------------------#
    distributed     = False
    #---------------------------------------------------------------------#
    #   sync_bn     是否使用sync_bn，DDP模式多卡可用
    #---------------------------------------------------------------------#
    sync_bn         = False
    #---------------------------------------------------------------------#
    #   fp16        是否使用混合精度训练
    #               可减少约一半的显存、需要pytorch1.7.1以上
    #---------------------------------------------------------------------#
    fp16            = False
    #-----------------------------------------------------#
    #   num_classes     训练自己的数据集必须要修改的
    #                   自己需要的分类个数+1，如2+1 +1是背景
    #-----------------------------------------------------#
    num_classes = 2
    #-----------------------------------------------------#
    #   主干网络选择
    #   vgg
    #   resnet50
    #-----------------------------------------------------#
    backbone    = "vgg"
    #----------------------------------------------------------------------------------------------------------------------------#
    #   pretrained      是否使用主干网络的预训练权重，此处使用的是主干的权重，因此是在模型构建的时候进行加载的。
    #                   如果设置了model_path，则主干的权值无需加载，pretrained的值无意义。
    #                   如果不设置model_path，pretrained = True，此时仅加载主干开始训练。
    #                   如果不设置model_path，pretrai