Я пытаюсь обучить модель U-Net для сегментации семантических изображений с несколькими метками, используя Keras с бэкэндом Tensorflow.
Входными изображениями являются изображения RGB 512x512, а маской выходных меток также является изображение RGB 512x512, где каждый канал обозначает одну метку (красный для здания, зеленый для фона и синий для улицы).
В настоящее время я тренируюсь с около 2000 изображений и масок этикеток.Я использую увеличение изображений из генератора данных keras и flow_from_directory, а затем объединяю данные и метки вместе и передаю их в fit_generator.
Мой вопрос заключается в том, какую функцию потерь я должен использовать и какой оптимизатор.В настоящее время я использую потерю категориальной кроссентропии или weighted_dice_loss и оптимизатор Адама с коэффициентом обучения 0,0005.Результат после 100 эпох на тестовых данных кажется нормальным, но не идеальным, но val_loss, похоже, не уменьшается.Нужно ли использовать другую функцию потери или мой набор данных неверен?
Заранее спасибо