我目前正在进行一个检测铁路道床的项目。要分割的图像总是具有相同的相机视角。
有没有一个特殊的损失函数可以用于透视图像，或者二进制交叉熵是这里的最佳选择？我想对越靠近图像地平线的错误进行更严厉的惩罚，因为它们在实际轨迹中占据了更大的区域。
带有标签的示例图像
您可以构建&训练单独的卷积神经网络以从图像中确定损失
但是，为了训练网络，您必须手动为每个图像标记丢失。
你可以通过标记大约200张图像来减少标记的工作量，然后通过使用数据增强，将其增加到1000张图像。
数据增强技术：
- 将图像亮度更改为65&135
- 将图像对比度作为65&135
- 将图像饱和度作为65&135
- 水平翻转
- 将高斯噪声添加到图像中