二值分割的结果是模糊的图像
Result of binary segmentation is blurred images
我正在研究一个二元分割问题，我必须将细胞核从细胞中分割出来。我使用二元交叉熵作为 U-Net CNN 模型的损失函数。生成的图像有一些模糊的效果。我 运行 实验的时期数越多，出现的模糊就越多。是什么导致了这种模糊效果？我应该对我的模型进行哪些更改才能消除这种效果？
我附上了一张在 4 个 epoch 后生成的样本结果图像。
最简单的解决方案是将结果设置为某个阈值（为方便起见，我使用了 0.5）。但是，您可以像 https://arxiv.org/abs/1608.04117 (keras implementation can be found here: https://github.com/raghakot/ultrasound-nerve-segmentation) 那样使用骰子损失，这往往会产生二进制输出。如果最终结果比对二进制交叉熵输出使用阈值更好，则取决于您的数据集。
我正在研究一个二元分割问题，我必须将细胞核从细胞中分割出来。我使用二元交叉熵作为 U-Net CNN 模型的损失函数。生成的图像有一些模糊的效果。我 运行 实验的时期数越多，出现的模糊就越多。是什么导致了这种模糊效果？我应该对我的模型进行哪些更改才能消除这种效果？
我附上了一张在 4 个 epoch 后生成的样本结果图像。
最简单的解决方案是将结果设置为某个阈值（为方便起见，我使用了 0.5）。但是，您可以像 https://arxiv.org/abs/1608.04117 (keras implementation can be found here: https://github.com/raghakot/ultrasound-nerve-segmentation) 那样使用骰子损失，这往往会产生二进制输出。如果最终结果比对二进制交叉熵输出使用阈值更好，则取决于您的数据集。