Я работаю над задачей семантической сегментации, где мои входные данные представляют собой медицинские изображения в оттенках серого (измененные на pngs), а мои метки представляют собой двоичные изображения, где черные пиксели являются фоном, а белые пиксели принадлежат объекту, который я хочу извлечь / сегментировать из исходного изображения. У меня есть один большой массив для всех обучающих образов и один большой массив для всех обучающих ярлыков. До сих пор я использовал .fit () в keras для обучения модели.
Я хотел знать, возможно ли провести перекрестную проверку в k-кратном порядке с типом данных, которые я использую?
Мне трудно понять, что будет означать k-fold для моего типа данных и как я могу реализовать это с помощью keras. До сих пор k-fold имеет смысл только с категориальными метками и проблемой классификации (поскольку входные метки представляют собой одномерный массив, где каждый элемент представляет собой одну метку для каждого изображения в соответствующем массиве). Но мои метки - это двухмерные маски, представленные в одном массиве, и моя проблема заключается в сегментации, так будет ли это иметь смысл для приложения? У меня нет «ярлыков» или «классов»? Только одна маска с 0 для черного фона и 1 для переднего плана.
Я прочитал несколько статей, в которых говорится, что они использовали перекрестную проверку для аналогичных задач сегментации изображений, но я не могу понять, как это реализовать.