PREDICTION_THRESHOLD_FIX.md

浒苔预测阈值修复说明

问题描述

当处理整张没有浒苔的256x256图片时，模型可能会把整张图片全部预测为浒苔。这是因为：

1. 原始预测逻辑：使用 torch.argmax() 直接选择概率最高的类别
2. 问题原因：当两个类别的概率接近时（比如都是0.5左右），argmax 会选择概率稍高的那个
3. 类别不平衡：如果训练数据中浒苔样本较多，模型可能倾向于预测浒苔类别

解决方案

添加了概率阈值机制：

• 修改前：直接使用 argmax 选择概率最高的类别
• 修改后：只有当浒苔（类别1）的概率超过阈值（默认0.5）时，才预测为浒苔

代码修改

在 predict_image() 函数中：

# 修改前
pred_class = torch.argmax(pred, dim=1).squeeze(0).cpu().numpy()

# 修改后
seaweed_prob = pred[0, 1].squeeze(0).cpu().numpy()
pred_class = (seaweed_prob > threshold).astype(np.uint8)

使用方法

1. 基本使用（使用默认阈值0.5）

直接运行预测脚本即可，默认阈值为0.5：

python predict_seaweed_256x256_simple.py

2. 自定义阈值

在脚本的 main() 函数中修改 prediction_threshold 变量：

# 预测阈值：只有当浒苔概率超过此阈值时才预测为浒苔
# 建议值：0.5-0.7，可以根据验证集调整
prediction_threshold = 0.5  # 修改为你需要的值

3. 阈值选择建议

• 0.5：平衡阈值，适合大多数情况
• 0.6-0.7：更保守，减少误报（假阳性），但可能漏检一些浒苔
• 0.4-0.5：更宽松，减少漏检（假阴性），但可能增加误报

建议：在验证集上测试不同阈值，选择F1分数最高的阈值。

修改的文件

1. predict_seaweed_256x256_simple.py - 单张256x256图片预测脚本
2. predict_large_image_tiles_256.py - 大图瓦片预测脚本

验证方法

运行预测后，检查以下内容：

1. 概率图：查看 *_probability.png 文件，确认无浒苔图片的概率值是否低于阈值
2. 预测结果：查看 *_prediction.png 文件，确认无浒苔图片是否被正确预测为背景
3. 统计信息：查看 prediction_results.json，检查无浒苔图片的 seaweed_ratio 是否接近0

进一步优化建议

如果问题仍然存在，可以考虑：

1. 调整阈值：根据验证集结果调整阈值
2. 重新训练模型：增加无浒苔样本的训练数据
3. 使用类别权重：在训练时给背景类别更高的权重
4. 后处理：添加形态学操作（如开运算）去除小的误检区域

技术细节

为什么会出现这个问题？

1. Softmax特性：softmax会将logits转换为概率分布，即使两个类别的logits很接近，softmax后的概率也会强制归一化
2. 模型倾向性：如果训练数据中浒苔样本较多，模型可能学习到倾向于预测浒苔的模式
3. 边界情况：当输入特征不明显时，模型可能给出不确定的预测

阈值机制的工作原理

• 阈值机制相当于在softmax概率上添加了一个"置信度门控"
• 只有当模型对浒苔的预测足够确信（概率>阈值）时，才预测为浒苔
• 这样可以有效减少在不确定情况下的误判