我对利用我在深度学习任务中拥有的一些部分标记的数据感兴趣。我使用的是完全卷积方法，而不是从标记区域中采样补丁。
我有 mask ，可以勾勒出图像中肯定的正例的区域，但是图像中未 mask 的区域不一定是负的，它们可能是正的。有谁知道将这种类型的类(class)纳入深度学习环境的方法吗？
三元组/对比性损失似乎可以解决，但我不确定如何适应“模糊”或模棱两可的负/正空间。
最佳答案
尝试按照Deep Learning book的7.5.1节中所述对标签进行平滑处理:
看到我关于implementing label smoothing in Pandas的问题。
否则，如果您确定知道某些领域是负面的，其他领域是积极的，而某些领域是不确定的，那么您可以引入第三个不确定类。我已经处理了包含不确定类的数据集，这些数据集对应于可能属于任何可用类的样本。
关于machine-learning - 深度学习中的可能/也许类别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41898437/