SE Block 在特定情况可能会产生的害处(未使用专门实验验证,仅记录)

(未使用专门实验验证,仅记录,有空再专门弄个实验验证)

记录下实验情况。

模型结构
模型中每个残差块的特征提取分支末端均加了 SEBlock。

训练输入图像特点:亮度比较高的图像,如下面这种
SE Block 在特定情况可能会产生的害处(未使用专门实验验证,仅记录)_第1张图片
验证输入图像特点:原始亮度较高,但填充了一大块黑色区域的图像,如下面这种
SE Block 在特定情况可能会产生的害处(未使用专门实验验证,仅记录)_第2张图片
训练中,图像增强过程中,没有做过添加大块黑色区域的增强。

训练后,
如果输入图1,模型能正常输出概率热图(有细胞核的地方将会输出1.0概率值)。
如果输入图2,概率热图左边那块区域的热图的概率值将会大幅度下降,约为0.1,接近全黑。
如果将图2的右边的黑色区域全部填充为纯白(255,255,255),模型也能正常输出概率热图(有细胞核的地方将会输出1.0概率值)。

你可能感兴趣的:(深度学习的经验,神经网络)