像素级多类分割，有关训练所有零像素图像的问题

Question

我正在尝试实现具有5个不同类的多类语义分割模型。有些图像具有所有5类地面真相面具，有些则没有。例如，下图包含所有 5 个不同等级的地面真实值遮罩。在此输入图像描述我的问题是，如果我有像下面这样的图像进行训练，但图像中没有类，该怎么办？我是否仍应使用 5 个填充所有零的通道来训练此图像？它是否有效地训练模型，使其减少误报？在此输入图像描述提前感谢您！

Answer 1

你的直觉很好。

如果您使用所有数据进行训练，您的模型可能会减少误报;同时，它也可能增加假阴性的数量，因为它不太确定您想要在CT扫描中预测的重要类别。

为了测试您的假设，您必须使用两个不同的数据集训练相同的神经网络：

1. 一个包含所有数据。在这里，不平衡将更大。最后，根据定义，每个医疗细分问题都是高度不平衡的，如果你的口罩没有标记感兴趣的类别，则越多。在你的情况下，它甚至更加不平衡：根据你问题的性质，即使你的5个类和感兴趣的背景/类之间也可能不平衡。

2. 一个包含数据，其中掩码标有您尝试预测的类。

然后，在测试集上测试这些模型，看看哪一个在FP / FN上做得更好。