Зачем использовать 0,5 в качестве порога бинаризации в задаче сегментации CNN?

Question

Зачем использовать 0,5 в качестве порога бинаризации в задаче сегментации CNN?

Мы часто выполняем бинаризацию после получения графика прогнозируемой вероятности, например:

Pred = model(data)

Pred = pred > 0.5

Я не совсем понимаюпочему это 0,5. Я попытался установить этот порог на 0,3, 0,4, 0,5 и 0,6. Получается, что 0,4 - лучшее, и, конечно, разные задачи дают разные результаты.

Так почему же мы всегда используем 0,5 в качестве порога в сегментации изображения?

Answer 1

Порог зависит от конкретной задачи.

Следовательно, не существует стандартного гарантированного порога для наилучшей работы.

Идея состоит в том, чтобы перебирать различные значения порога (очевидно, между0 и 1) и найдите порог, который наиболее подходит для вашей проблемы.

Что касается вашей неопределенности: вы используете нейронную сеть в процессе сегментации;на момент написания этого комментария исследователи все еще работают над «проблемой объяснимости» нейронных сетей.

Никто не даст вам ответ на вопрос «почему 0,4 лучше, чем 0,5»;могут быть только предположения.