语义分割中样本分布不均衡怎么办

参考知乎链接语义分割中样本类别极不平衡应该怎么处理？ - 知乎

 修改损失函数过程中可以参考，个人觉得dice+falco loss效果比较好​​​​​​从loss处理图像分割中类别极度不均衡的状况---keras_chestnut--的博客-CSDN博客_图像分割 类别不平衡


数据增强可以参考语义分割数据增强（Data augmentation for semantic segmentation)_codibility的博客-CSDN博客_分割 数据增强

同样可参考第一个回答，感觉效果比较明显小目标的图像语义分割，有什么解决类别不平衡的方法吗？ - 知乎

补充：在我的实验中我测试了dice Loss和WSE进行加权，两种损失函数的比例是3:1，但是测试过程中虽然Loss比较高，但是miou并没有明显提升，还是很低，目前考虑直接把miou作为损失函数去测试一下。