提问人：user5819638 提问时间：8/29/2023 最后编辑：desertnautuser5819638 更新时间：8/30/2023 访问量：51
如何处理CNN训练图像数据中大面积的零（nan）值？
How to deal with large areas of null (nan) values in CNN training imagery data?
问：
我正在努力构建一个分类器 CNN，它接受卫星图像的输入，其中图像的大部分被屏蔽（即设置为 nans）。将这些图像转换为对 CNN 更友好的图像格式 （uint8） 后，我得到了这张图像，其中 nans 被转换为 0。我担心的是，如果我使用这些类型的图像作为训练数据，CNN 将学会忽略图像中 0 的部分，这是一个问题，因为我将要分类的其他图像实际上可能在这些区域中具有重要数据。我能够提出的解决方案是：
- 确保我有足够多的具有不同的训练数据，这些数据具有可变的掩码区域，以便网络不会学习掩码位置。
- 用某种随机噪声填充遮罩区域。
但我不确定这两种方法是否有效。有没有办法将原始蒙版图像（nans 完好无损或作为蒙版数字数组）推送到 CNN 的训练阶段？
答：
0赞
Jesse Sealand
8/29/2023
#1
在训练之前，请使用 Albumentations 等库来增强图像以创建更多种类。旋转、上下翻转、移调和移位等增强功能将改变遮罩区域的位置，并为您的模型提供不学习遮罩区域所需的多样性。
评论
0赞
user5819638
9/1/2023
啊，这是个好主意。谢谢！
评论