의미 론적 세분화를위한 one-hot-labeling

Question

의미 론적 세그멘테이션 페이퍼를 읽을 때 언젠가 나는 마스크 이미지의 one-hot 라벨링과 같은 용어를 읽을 수 있습니다. 나는 그것이 정말로 무엇을 의미하는지 명확하지 않다. 일부 구현을 읽을 때, 나는 그들이 일반적으로 모양을 볼 수 있습니다. rows*columns*2

내 생각에 하나의 채널은 전경에 해당하고 다른 하나는 배경에 해당합니다. 그게 맞습니까? 더 나아가 어떻게 내가 전경인지 알 수 있습니까? 기존 훈련 세트가 모양이 rows*columns*1 인 경우. 이 형식 (예 : rows*columns*2)으로 어떻게 전송할 수 있습니까? 내가 뭘하는지는 newimage[:,:,:,0] = original_image과 newimage[:,:,:,1] = 1-original_image을 사용하는 것입니다. 그러나 그것이 옳은지 나는 확신하지 못한다.

Answer 1

1,2,3,4,5 등의 카테고리 라벨에는 자연 순서가 없습니다. 이 숫자를 사용하면 라벨 5가 라벨 1보다 큽니다.하지만 냉장고와 개는 자연 순서가없는 라벨 2 개입니다.

그래서 우리는

[1,0,0,0,0], [0,1,0,0,0]에 라벨을 1,2,3,4,5로 변환, ... , [0,0,0,0,1]

이제는 어떤 방향을 가리키는 벡터 일뿐 아니라 로지스틱 회귀 및 기타 손실 기능을 사용하기가 더 쉽습니다. 0 우리는 우리의 전경 배경 마스크가에

또한 행 * 열 * 1

간단하게 설정 전경 1 값과 배경이 이미 전경 배경을 인코딩 할 수 있습니다.

필자는 행 * 열 * 2를 사용하는 예를 살펴볼 필요가 있습니다. 그 이유는 행 * 열 * 2가 일반적인 것이 아니며 사용자가 본 위치에 따라 다를 수 있기 때문입니다.