【CV基础】基于Pytorch-Unet训练多类别分割并测试

前言

本文是基于pytorch_unet训练多类别数据集的分割，并完成测试；

操作步骤：

问题：

 1. 数据集的mask部分标签类别不正确；

原因：

制作标签的时候保存的图像标签文件时jpg，因为jpg格式会在存储时对图像进行压缩，导致mask图像不准确。

所以，保存标签mask图像的时候一定要注意保存为png格式的标签图像。

2. 分割的结果类别标签全部为0；

原因：这个原因有很多种；

1）数据集的标签信息或者图像预处理过程有问题；

2）损失函数选取不合适；比如如果数据集中背景占比多，目标占比很少，就不能简单使用交叉熵损失函数，交叉熵损失函数容易受到类别不平衡影响；

等等。。。。

参考

1. github_Pytorch_Unet;

2. UNet/UNet++多类别分割；

3. Unet分割医学图像全记录/结果全白解决办法/多分类Dice loss；

4. 训练Unet网络模型分割医学图象遇到的坑（待整理）；

完