Я пытаюсь создать модель CNN сегментации экземпляра keras с архитектурой Unet.Модель Keras CNN, которую я хочу использовать / изменить: model.py Модель CNN должна быть способна обнаруживать 3 различных класса объектов: (основной корень, вторичный корень, ствол).
Я преобразовал полигоны аннотаций (3 класса) в растровые маски с измененной версией файла balloon.py в папке примеров в: GitHub: Маска Пакет сегментации экземпляра RCNN
Файл моей аннотации-> битовой маски: annotation.py Визуализация растровых изображений 3 классов: 
Я хочу последнийВывод на Conv2D 3 (мои классы) карт функций, финальная активация softmax и кросс-центроспозиция.Я не знаю, как «сравнить» мои аннотации с предсказаниями моделей.Должен ли я использовать какую-то функцию keras.losses.categorical_crossentropy (y_true, y_pred) после последнего слоя Conv2D (conv9) в моем файле model.py ?