UNet灰度图像二值分割：验证Loss始终稳定在~0.4的问题求助

• 本人刚接触CNN和机器学习，目前仅将其作为工具使用，还未自行搭建网络。正在基于开源UNet代码进行120×120灰度图像的二值分割任务。
• 模型运行后验证准确率较高，但无论如何调整参数，验证Loss始终维持在~0.4。
• 已尝试的调参及优化措施包括：
  • 更换数据集
  • 调整dropout值、学习率、L2正则化系数、maxNorm值
  • 开启/关闭批量归一化（batch norm）
  • 调整训练样本数量、batch size
  • 尝试不同耐心值的早停策略
  • 修改训练轮数（epochs）
  • 调整滤波器数量（8至32）和卷积核大小（2×2至4×4）
• 调整参数后，验证准确率和Loss的变化趋势会改变，但最终都会收敛到高验证准确率和约0.4的验证Loss。
• 已查阅StackOverflow寻找解决思路但无进展，怀疑是过拟合问题，希望获得技术帮助。如需查看代码细节可告知，CNN架构文件已准备好。

内容的提问来源于stack exchange，提问作者FloF5ve