pytorch零基础实现语义分割项目（四）——模型训练与预测

项目列表

语义分割项目（一）——数据概况及预处理

语义分割项目（二）——标签转换与数据加载

语义分割项目（三）——语义分割模型（U-net和deeplavb3+）

语义分割项目（四）——模型训练与预测

---

前言

在本系列的前几篇文章中我们介绍了数据与模型，在本篇中我们将数据与模型相结合进行模型训练与预测。

---

损失函数

在正式构建损失函数之前我们首先介绍一下Dice loss，与其他分类任务不同的是，语义分割不仅要针对单个像素的分类，还包括像素所处位置的回归，对于像素的分类我们可以直接采用交叉熵去尽可能的与标签回归达到分类的效果（在这里我使用的改进后的交叉熵——Focal loss），而对于像素所处位置的损失我们以下面的公式来表示: