BCELoss二进制像素级分割pytorch

Question

我正在使用Sigmoid和BCELoss实现一个用于二值分割的UNet。问题是，经过几次迭代之后，网络试图预测非常小的每像素值，而对于某些区域，它应该预测接近一个的值（对于地面真实遮罩区域）。对错误的行为有什么直觉吗？在

此外，还存在用于像素级丢失的NLLLoss2d。目前，我忽略了这一点，直接使用MSELoss（）。我应该使用带有Sigmoid激活层的NLLLoss2d吗？在

谢谢

Answer 1

在我看来，你的乙状结肠已经饱和了。图像未正确标准化或缺少一些批次的归一化层。如果您有一个正在处理其他图像的实现，请检查图像加载器并确保它不会使像素值饱和。这通常发生在16位信道上。你能分享一些输入图像吗？在

很抱歉在回答中发表评论。这是一个新帐户，我还不能评论。在

Answer 2

您可能需要使用torch.nn.BCEWithLogitsLoss()，替换Sigmoid和BCELoss函数。在

从docs中摘录的内容告诉您为什么使用这种丢失函数实现总是更好。在

This loss combines a Sigmoid layer and the BCELoss in one single class. This version is more numerically stable than using a plain Sigmoid followed by a BCELoss as, by combining the operations into one layer, we take advantage of the log-sum-exp trick for numerical stability.