TRAINING_IMPROVEMENTS.md

# 训练改进说明

## 问题诊断

即使有1000张负样本，模型仍然会把无浒苔图片和陆地/海岛预测为浒苔。这说明：

1. **类别不平衡问题**：每张图片中背景像素通常远多于浒苔像素
2. **损失函数问题**：原始损失函数没有给浒苔类别足够的权重
3. **模型可能学习到"总是预测背景"的策略**

## 改进方案

### 1. 改进损失函数

#### 1.1 Focal Loss改进
- **之前**：`alpha=1`，所有类别权重相同
- **现在**：`alpha=[1.0, 3.0]`，给浒苔类别3倍权重
- **添加**：类别权重tensor，在交叉熵中应用

#### 1.2 Dice Loss改进
- **之前**：使用`mean()`，所有类别权重相同
- **现在**：对每个类别计算dice loss，然后应用类别权重加权平均

#### 1.3 类别权重
- **背景权重**：1.0（默认）
- **前景权重**：3.0（可调整，建议2.0-5.0）

### 2. 检查训练数据

运行 `check_training_data.py` 来：
- 统计类别分布
- 计算建议的类别权重
- 检查数据平衡情况

```bash
python check_training_data.py
```

## 使用方法

### 步骤1：检查训练数据

```bash
python check_training_data.py
```

这会输出：
- 类别分布统计
- 建议的类别权重
- 推荐的训练配置

### 步骤2：更新训练配置

根据检查结果，更新 `train_config.json` 或使用 `train_config_improved.json`：

```json
{
  "focal_alpha": [1.0, 3.0],
  "background_weight": 1.0,
  "foreground_weight": 3.0,
  ...
}
```

### 步骤3：重新训练

```bash
python train_seaweed_segmentation.py --config train_config_improved.json
```

## 参数说明

### focal_alpha
- **类型**：列表 `[背景权重, 前景权重]`
- **默认**：`[1.0, 3.0]`
- **说明**：Focal Loss的alpha参数，给前景更高的权重

### background_weight / foreground_weight
- **类型**：浮点数
- **默认**：`1.0` / `3.0`
- **说明**：类别权重，用于交叉熵和Dice Loss

### 如何选择权重

1. **运行数据检查脚本**，查看实际的类别分布
2. **根据建议调整权重**：
   - 如果浒苔像素 < 1%：使用 `foreground_weight >= 5.0`
   - 如果浒苔像素 1-5%：使用 `foreground_weight = 3.0-5.0`
   - 如果浒苔像素 > 5%：使用 `foreground_weight = 2.0-3.0`

## 预期效果

改进后的损失函数应该能够：
1. **更好地学习浒苔特征**：给浒苔更高的权重，模型会更关注浒苔区域
2. **减少误判**：模型不会简单地"总是预测背景"
3. **提高精度**：在保持召回率的同时，减少假阳性

## 进一步优化

如果问题仍然存在：

### 1. 增加前景权重
```json
"foreground_weight": 5.0,
"focal_alpha": [1.0, 5.0]
```

### 2. 调整损失函数权重
```json
"dice_weight": 0.7,  // 增加Dice Loss权重
"focal_weight": 1.0
```

### 3. 使用难例挖掘
- 重点关注模型误判的样本
- 增加这些样本在训练中的权重

### 4. 检查数据质量
- 确保标签正确
- 检查是否有误标注
- 确保负样本（无浒苔图片）的标签是全0

## 验证方法

训练后，检查：
1. **训练损失**：应该逐渐下降
2. **验证IoU**：应该逐渐上升
3. **预测结果**：无浒苔图片应该被正确预测为背景
4. **混淆矩阵**：假阳性（FP）应该减少

## 注意事项

1. **权重不要过大**：过大的权重可能导致训练不稳定
2. **监控训练过程**：如果损失不下降，可能需要调整权重
3. **验证集评估**：使用验证集来评估改进效果