在阅读语义分割论文及其相应的实现时，我发现一些方法使用 softmax，而另一些则使用 sigmoid 进行像素级标记。
例如，对于u-net paper，输出是具有两个通道的特征图。
我已经看到一些在这两个通道输出上使用 softmax 的实现。我不确定我的以下理解是否正确？
出于说明目的，蒙面部分属于 1 类，另一部分属于 2 类。我只假设两类：蒙面或非蒙面。
我用xy形状 (1, image_row,image_col,2) 来表示输出映射。然后，xy[1,0,0,0]将表示 (0,0) 处的像素属于第 1 类xy[1,0,0,1]的概率，而将表示像素 (0,0) 属于第 2 类的概率。换句话说，xy[1,row,col,0]+xy[1,row,col,1]=1
我的理解正确吗？
语义分割只是扩展分类，您可以将每个像素分类到n_classes.
假设您的输入是一个大小为 的 RGB 图像(cols,rows,3)，您将一批大小相同的图像传递(batch_size, cols, rows, 3)给 CNN。
在网络图中执行计算后，您最终将选择拥有最后一个卷积层n_outputs。
然后你有 can haven_outputs = 1并且输出形状将是(batch_size, cols, rows, 1). 您稍后会承担sigmoid激活使用binary_crossentropy损失。请注意，这仅适用于二进制分割。
然后你有n_outputs = n_classes，输出形状将是(batch_size, cols, rows, n_classes). 现在是棘手的部分。您需要应用softmax到每个像素概率向量，这通常涉及根据您使用的深度学习框架置换维度。在这种情况下，您可以使用categorical_crossentropy它
在 Keras 你可以
final_conv_out = Convolution2D(n_classes, 1, 1)(conv9)
x = Reshape((n_classes, rows*cols))(final_conv_out)
x = Permute((2,1))(x)
# seg is a pixelwise probability vector sized (batch_size, rows*cols, n_classes)
seg = Activation("softmax")(x)