[人工智能]【炼丹随记】样本不均衡时，class_weight 的计算

语义分割时，如果样本比例失衡，就需要设置 class_weight来平衡损失，那么该如何计算呢？

直观的想到是，先获取图片的每个类别的像素点的个数之间的比例，然后用1去除以。比如：
class1 : class2 : class3 = 100 : 10 : 1，那么 weight1 : weight2 : weight3 = 1:10:100。但这个比值偏差太大，放到loss中训练并不能得到一个好的结果。

某一次在【https://github.com/openseg-group/OCNet.pytorch/issues/14】中看到，一个比较不错的计算方式。需要知道：

• 类别数为 class_num
• 每个类别的的像素点的个数为 pixel_count：分别统计训练集中所有不同类别的像素个数
  计算的代码为：

import numpy as np

"""========权重的计算============"""
def get_weight(class_num, pixel_count):
   W = 1/np.log(pixel_count)
   W = class_num * W/np.sum(W) 
   return W

"""========测试============"""
base = 5000
pixel_count = np.array([100, 10, 1])*base  
W = get_weight(3, pixel_count)

print(W)  # [0.79925325 0.96934441 1.23140234]

其中 乘以class_num，是为了让权重中的每个值接近1，是网络在一个正常的水平上进行训练。