在语义分割中，不同类型的目标尺寸不一样，这导致不同类型的mask（标注区域）面积不一样，比如遥感影像地物分类中，道路的面积较小，而植被的面积较大。所形成的像素级label中，植被的label数是道路的几百倍。在训练过程中，这是一种极度类别不平衡的情况，会使得模型倾向于将大部分数据预测为植被。因此需要统计出label中每一个类别出现的频率，调整其对交叉熵loss的贡献，使每一个类别的数据在训练时产生的监督信号是相等的。在语义分割中，不同类型的目标尺寸不一样，这导致不同类型的mask（标注
阅读背景：
python工具方法 34 语义分割数据中类别频率统计及class weight计算
来源：互联网
分享到：
