多类语义分割：输出层激活函数如何选择？

嘿，针对你用Keras搭建Unet做多类语义分割的场景，输出层的激活函数选择得结合你的任务类型来定，我给你拆解下最常用的两种方案：

1. 互斥多类分割（像素仅属于一个类别，类别数≥3） #

这是语义分割里最常见的场景，比如场景分割里的“天空、道路、建筑”这类互斥类别，推荐用**softmax**作为激活函数：

• 它会把输出的每个通道值归一化到0-1区间，且所有通道的数值之和为1，完美对应每个像素属于不同类别的概率分布。
• 搭配的损失函数要注意标签格式：
  • 如果你的标签是one-hot编码形式（比如每个像素是长度为类别数的向量，只有对应类别为1，其余为0），用CategoricalCrossentropy；
  • 如果标签是整数索引形式（比如每个像素直接用0、1、2...代表不同类别，不用转one-hot，更节省内存），用SparseCategoricalCrossentropy。
• 代码示例（假设你有5个目标类别）：

  outputs = Conv2D(5, (1, 1), activation='softmax')(up_last_layer)
  

2. 多标签分割（像素可同时属于多个类别） #

如果你的任务允许一个像素对应多个类别（比如医学影像里的“肿瘤+水肿”同时存在），那得用**sigmoid**激活函数：

• 它会让每个输出通道独立输出0-1的数值，代表该像素属于对应类别的概率，各通道之间互不干扰。
• 对应的损失函数用BinaryCrossentropy，因为每个类别都相当于一个独立的二分类任务。

额外提醒 #

不管选哪种激活函数，输出层的Conv2D滤镜数量都要和你的类别数（互斥多类）或标签数（多标签）保持一致哦~

内容的提问来源于stack exchange，提问作者Kay Raymond Oskal