如何對Keras中的交叉熵損失進行權重不平衡類？

Question

使用Keras在高度不平衡的數據集上進行圖像分割，並且我想按照here中所述對每個類中的像素值按比例重新加權。如果有一個具有weights = [0.8, 0.2]的二進制類，我如何修改K.sparse_categorical_crossentropy(y_true, y_pred)以根據像素所屬的類重新減少損失？

輸入形狀爲(4, 256, 256, 1)（批次，高度，寬度，通道），輸出是向量0和1的(4, 65536, 1)（正面和負面類）。模型和數據類似於here，不同之處在於圖像是灰度圖，蒙版圖是二元圖（2類）。

Answer 1

這是我用於我的語義分割項目的自定義丟失函數。它從keras/backend/tensorflow_backend.py中的categorical_crossentropy函數進行了修改。

def class_weighted_pixelwise_crossentropy(target, output): 
    output = tf.clip_by_value(output, 10e-8, 1.-10e-8) 
    weights = [0.8, 0.2] 
    return -tf.reduce_sum(target * weights * tf.log(output)) 

請注意，我的最終版本沒有使用類權重 - 我發現，它鼓勵使用低比例的類作爲填料對圖像的補丁，這是不確定的，而不是使更多的現實猜測模型，並從而傷害了表現。