В настоящее время я использую модель (например, U-Net или SegNet), реализованную Keras, для сегментации изображений с высоким разрешением.
Ниже приведен код для оценки производительности:
score = model.evaluate(test_data, test_label, verbose=1)
Обученная модель показала очень высокие оценки по моему тестовому набору данных (потеря: 0,4232 , в соотв. 0,9789 )
Затем я показал сегментированные тестовые изображения следующим кодом:
k = 7
output = model.predict_classes(test_data[k: k+ 1])
visualize(np.squeeze(output, axis=0))
Я не понимаю, почему реальные выходные данные полностью отличались от ожидаемых (то есть основополагающих истин), хотя точность была очень высокой. Здесь у меня есть 2 вида объектов, красный цвет обозначает объект 1, а зеленый цвет обозначает объект 2.
Любая помощь или предложения будут с благодарностью!