mmsegmentation的二值分割注意事项自用笔记

从官方文档上摘抄的注意事项

MMSegmentation 使用 num_classes 和 out_channels 来控制模型最后一层 self.conv_seg 的输出。

num_classes 应该和数据集本身类别个数一致，当是二值分割时，数据集只有前景和背景两类，所以 num_classes=2
out_channels 控制模型最后一层的输出的通道数，通常和 num_classes 相等。

当二值分割时候，可以有两种处理方法, 分别是：

1. 设置 out_channels=2，在训练时以 Cross Entropy Loss 作为损失函数，在推理时使用 F.softmax() 归一化 logits 值，然后通过 argmax() 得到每个像素的预测结果。（我一般会用这个）

2. 设置 out_channels=1，在训练时以 Binary Cross Entropy Loss 作为损失函数，在推理时使用 F.sigmoid() 和 threshold 得到预测结果，threshold 默认为 0.3。

对于实现上述两种计算二值分割的方法，需要在 decode_head 和 auxiliary_head 的配置里修改。

注意: 使用 reduce_zero_label 请确认数据集原始类别个数，如果只有两类，需要关闭 reduce_zero_label 即设置 reduce_zero_label=False。

cited from:
官方文档

some useful tutorial:

MMSegmentation跑自己的数据进行二分类

mmsegmentation中如何输出mask