分割问题的加权二元交叉熵骰子损失

我使用加权二元交叉熵骰子损失来解决类不平衡的分割问题(黑色像素比白色像素多80倍)。

def weighted_bce_dice_loss(y_true, y_pred):
    y_true = K.cast(y_true, 'float32')
    y_pred = K.cast(y_pred, 'float32')
    averaged_mask = K.pool2d(
        y_true, pool_size=(50, 50), strides=(1, 1), padding='same', pool_mode='avg')
    weight = K.ones_like(averaged_mask)
    w0 = K.sum(weight)
    weight = 5. * K.exp(-5. * K.abs(averaged_mask - 0.5))
    w1 = K.sum(weight)
    weight *= (w0 / w1)
    loss = weighted_bce_loss(y_true, y_pred, weight) + dice_loss(y_true, y_pred)
    return loss

骰子系数增加,损失减少,但在每一个时代,我得到一个黑色图像作为输出(所有像素都标为黑色)

你知道为什么会这样吗?