U-net低对比度测试图像，预测输出为灰色框

Question

我正在从https://github.com/zhixuhao/unet运行unet，但是当我运行unet时，预测的图像都是灰色的。我收到一条错误消息，说我的测试数据为低对比度图像，是否有人解决了这个问题？

我正在训练50幅超声图像，并在增强后得到大约2000/3000的图像，共5个时期，每个时期300步，批次大小为2。

提前非常感谢Helena

Answer 1

在确保您的数据管道正确之后。这里有几件事情要考虑，我希望提到的波纹管之一对您有所帮助：

1.选择正确的损失函数
二进制交叉熵可能会使您的网络朝着优化所有标签的方向发展，现在，如果图像中的标签数量不平衡，则它可能会吸引您的网络以仅返还白色，灰色或黑色图像预测。尝试使用骰子系数损失

2.更改testGenerator行 一件事，似乎是一个问题data.py和testGenerator方法如下一行：

img = img / 255

更改为：

img /=255.

3. 如果您的学习率太高，则 降低学习率
，您可能会收敛于不充分的最优，这也往往仅针对灰色，黑色或白色预测进行优化。尝试学习率Adam(lr = 3e-5)并训练足够的时间，您应该打印出骰子损失而不是准确性来检查收敛。

4.不要对最后一组卷积使用激活函数对于最后 一组卷积，即128-> 64-> 64-> 1，不应使用激活函数！激活功能导致值消失！

5.您的保存方法可能会出现“错误”，请 确保在保存之前将图像缩放到0到25​​5之间的值。Skimage通常会以低对比度图像警告您。

from skimage import img_as_uint

io.imsave(os.path.join(save_path,"%d_predict.tif"%(i)),img_as_uint(img))

6.您的保存格式可能会出现“错误”，请
确保您以正确的格式保存图像。我经历过将.png保存为只能得到黑色或灰色图像，而.tif可以像超级按钮一样工作。

7.您可能只是 经常 训练不足 ，而当您的网络无法正常运行时，您只会吓坏了，然后中止训练。很有可能，其他培训时机正是它所需要的。