具有一个自定义度量IoU的多输出回归

我有用户把图像上的对象按框进行分割 [Xmin, Ymin, Xmax, Ymax]

还有,我有真正的盒子 [Xmin_true, Ymin_true, Xmax_true, Ymax_true]

我需要改进用户的标签来预测真正的盒子。度量是用户标签和真实标签之间的IoU(联合交集)。

我试着分别用 LightGBM

你能建议一个开始吗?

现在我的代码看起来像这样,但是它预测X,Y的常量值

NN=Sequential()
NN.add(Dense(128,activation='linear',input_dim=np.shape(X_train)[1]))
NN.add(Dropout(0.1))
NN.add(Dense(64,activation='relu'))
NN.add(Dropout(0.1))
NN.add(Dense(4,activation='linear'))

NN.compile(loss='mean_squared_error', optimizer='sgd', metrics=[IoU])
set_random_seed(0)

NN.fit(X_train, y_train, epochs=10, batch_size=32, verbose=2,
        validation_split=0.2, shuffle = True)