Open Timesunshine opened 2 years ago
陈老师您好: 我参考了您主页上提供的测试代码,并尝试自己编写用于训练的部分,但在训练前面的相似性检测网络( Simi-Det)的时候,网络在训练初期模型评价指标accuracy和f1值就迅速上升,并且趋向于预测图像的背景(非篡改区域)。我认为可能是我在读取训练图像数据的时候出现了问题,我的理解是,由于网络的输出结果是两通道(256x256x2),是对每一个像素做二分类。因此,我将图像的标签mask(0和255的二值图像)转化成了one-hot编码(256x256x2)的形式,用(1,0)代表0像素,(0,1)代表255像素,并与网络的输出做交叉熵损失的计算,请问是否是我的这一思路有些问题还是其他可能的原因导致了这一现象,请陈老师帮我解答一下,非常感谢。
你好!我们现在重新上传了训练阶段的源码,请参考。
你好,可以交流一下吗?我QQ2978064409
陈老师您好: 我参考了您主页上提供的测试代码,并尝试自己编写用于训练的部分,但在训练前面的相似性检测网络( Simi-Det)的时候,网络在训练初期模型评价指标accuracy和f1值就迅速上升,并且趋向于预测图像的背景(非篡改区域)。我认为可能是我在读取训练图像数据的时候出现了问题,我的理解是,由于网络的输出结果是两通道(256x256x2),是对每一个像素做二分类。因此,我将图像的标签mask(0和255的二值图像)转化成了one-hot编码(256x256x2)的形式,用(1,0)代表0像素,(0,1)代表255像素,并与网络的输出做交叉熵损失的计算,请问是否是我的这一思路有些问题还是其他可能的原因导致了这一现象,请陈老师帮我解答一下,非常感谢。