Unet多类别分割中最后一层Softmax激活函数的工作机制疑问

Softmax的实际工作方式 #

• 你提到的第二种情况是对的：Softmax是**按深度维度（即每个像素的21个类别通道）**进行计算的。具体来说，输出特征图上的每一个像素点，它的21个通道数值会被送入Softmax函数，计算后得到21个概率值——这21个值的总和为1，每个值代表该像素属于对应类别的概率。
• 在推理阶段，我们只需要取每个像素概率最高的那个通道对应的类别，作为该像素的最终分割结果，这就实现了你需要的“对应类别存在的位置输出1”（实际操作中一般是取argmax得到类别索引，再转成独热编码或者直接用索引表示分割结果）。

为什么Sigmoid效果不好 #

• Sigmoid是对每个通道单独计算的，它会把每个通道的输出映射到0-1区间，但不同通道的输出之间没有任何约束（总和不一定为1）。这种激活函数天生适合多标签分割任务——也就是一个像素可能同时属于多个类别的场景，比如一张图里的某个像素既属于“树木”又属于“植被”。
• 而你的任务是单标签多类别分割，每个像素只能属于21类中的一个。这时候用Sigmoid的话，模型没法学到类别间的互斥性，很容易出现多个类别概率同时偏高的情况，导致分割边界模糊、类别混淆，自然效果就不如Softmax了。

内容的提问来源于stack exchange，提问作者JAGADEESHA R G