Пользовательская функция потерь в кератах, которая игнорирует прогнозные значения модели вне рамки

Question

Я использую нейронную сеть в стиле U-Net для сегментации и потери игральных костей, как определено, хорошо работает

def dice_loss(y_true, y_pred):
    smooth = 1.
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = y_true_f * y_pred_f
    score = (2. * K.sum(intersection) + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)
    return 1. - score

Тем не менее, я хотел бы обучить эту модель только на пикселях вокруг сегментации правды земли. Один из способов - установить рамку на сегментации, сделать из нее новый образ и использовать такие образы для обучения. Однако в этом случае теряется много фонового контекста. Лучшим способом было бы сформировать функцию потерь, которая наказывает сеть только за ее предсказание вокруг коробки, установленной на основании истинности, игнорируя значения, которые сеть дает нам за пределами этой рамки. Для этого я попробовал следующую функцию потерь, но она не работает с тензорами. Ниже моя неудачная попытка. Есть ли способ настроить это, чтобы оно заработало?

def getbound(a):
        min_x=10000
        min_y=10000
        max_x=-1
        max_y=-1
        rows=a.shape[0]
        cols=a.shape[1]
        for y in range(0, rows):
                for x in range(0, cols):
                        if(a[y,x]>0):
                                if(x>max_x):
                                        max_x=x
                                if(y>max_y):
                                        max_y=y
                                if(x<min_x):
                                        min_x=x
                                if(y<min_y):
                                        min_y=y
        return[min_x,min_y,max_x,max_y]

def box_dice_loss(y_true, y_pred):
    smooth = 1.
    padding=32
    print(y_true.shape)
    [min_x,min_y,max_x,max_y]=getbound(y_true)
    min_x-=padding
    min_y-=padding
    max_x+=padding
    max_y+=padding
    rows=y_true.shape[0]
    cols=y_true.shape[1]
    for y in range(0, rows):
        for x in range(0, cols):
            if(y<min_y or y>max_y or x<min_x or x>max_x):
                y_pred[y,x]=y_true[y,x]
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = y_true_f * y_pred_f
    score = (2. * K.sum(intersection) + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)
    return 1. - score

В настоящее время ошибка заключается в том, что при инициализации сети тензоры не имеют заданных форм, поэтому я получаю этот вывод

Использование бэкэнда TensorFlow. (?,?,?,?) в getbound для y в диапазоне (0, строки): ошибка типа: индекс возвращен не-int (тип NoneType)