我正在尝试在cityscapes数据集上训练一个UNET模型，该数据集有20个“有用”的语义类别，还有一些可以忽略的背景类别（例如天空、自车、山脉、路灯）。为了训练模型忽略这些背景像素，我在网上使用了以下常见解决方案：
- 我为所有属于忽略类别的像素分配了一个共同的
ignore_label（例如：ignore_label=255） - 使用每个像素预测的
cross_entropy损失来训练模型 - 在
cross_entropy损失中提供ignore_label参数，因此计算的损失会忽略这些不必要类别的像素。
但这种方法存在一个问题。一旦训练完成，模型最终会将这些背景像素分类为20个类别中的一个。这是可以预见的，因为在损失中我们没有对模型对背景像素的任何分类进行惩罚。
因此，第二个显而易见的解决方案是为所有背景像素使用一个额外的类别。因此，它是cityscapes中的第21个类别。然而，我担心这样做会“浪费”模型的容量，因为它需要学习分类这个额外的不必要类别。
处理背景像素类别最准确的方法是什么？
回答：
第二种解决方案无疑是更好的。这是最佳解决方案，背景类别确实是一个额外的类别，但不是不必要的，因为这样可以清楚地区分你想要检测的类别和背景。
事实上，这是分割中推荐的标准程序，将一个类别分配给背景，当然，背景代表了除你特定类别之外的所有其他事物。
