【mmsegmentation】踩坑指南----config中的loss_weight调整_mmseg 类别loss加权 class_loss

最近在试mmseg项目中各种模型的参数调整实验，关注到一个class_weight参数，按照官网说明，这个参数是可以调节样本不平衡带来的拟合问题，提升算法精度的一个手段。一般实现在config文件中的decode_head中，默认所有类别样本的class_weight权重是一样的。下面就以例子来进行说明。

../configs/_base_/models/ann_r50-d8.py

# model settings
norm_cfg = dict(type='SyncBN', requires_grad=True)
model = dict(
    type='EncoderDecoder',
    pretrained='open-mmlab://resnet50_v1c',
    backbone=dict(
        type='ResNetV1c',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        dilations=(1, 1, 2, 4),
        strides=(1, 2, 1, 1),
        norm_cfg=norm_cfg,
        norm_eval=False,
        style='pytorch',
        contract_dilation=True),
    decode_head=dict(
        type='ANNHead',
        in_channels=[1024, 2048],
        in_index=[2, 3],
        channels=512,
        project_channels=256,
        query_scales=(1, ),
        key_pool_scales=(1, 3, 6, 8),
        dropout_ratio=0.1,
        num_classes=19,
        norm_cfg=norm_cfg,
        align_corners=False,
        loss_decode=dict(
            type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0)),
    auxiliary_head=dict(
        type='FCNHead',
        in_channels=1024,
        in_index=2,
        channels=256,
        num_convs=1,
        concat_input=False,
        dropout_ratio=0.1,
        num_classes=19,
        norm_cfg=norm_cfg,
        align_corners=False,
        loss_decode=dict(
            type='CrossEntropyLoss', use_sigmoid=False, loss_weight=0.4)),
    # model training and testing settings
    train_cfg=dict(),
    test_cfg=dict(mode='whole'))

可以看到，默认的numclass=19，即表示19类中每类样本的class_weight贡献值是相等的。

根据样本数量来 更改loss_weight的权重：假如num_classes=9，且样本分布不平衡，为下图所示这样：

即可根据样本分布来合理调整类别损失权重，样本数量越少，就增加其class_weight权重，反之样本量越大，其class_weight权重就随之减少，但是不能增加或减少的太多，会导致模型训练不收敛。不仅没有提升模型性能，反而降低了。

更改class_weight为：

  decode_head=dict(
        type='ANNHead',
        in_channels=[1024, 2048],
        in_index=[2, 3],
        channels=512,
        project_channels=256,
        query_scales=(1, ),
        key_pool_scales=(1, 3, 6, 8),
        dropout_ratio=0.1,
        num_classes=9,
        norm_cfg=norm_cfg,
        align_corners=False,
        loss_decode=dict(
            type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0,
             class_weight=[
                0.8373, 0.918, 1.166, 0.9539, 1.1766, 0.1869, 0.9954, 1.1489,1.0152
            ])),

修改class_weight的结果前后对比（红色为修改后）

整理不易，欢迎一键三连！！！