PeterL1n
关于训练，第三阶段中途测试结果比第二阶段测试效果差是什么原因？
我训练第二阶段测试结果是这样的：
第三阶段训练测试得到这样的结果：
这明显比第二阶段差很多，这是什么原因呢？
我分割数据集采用的是（768，432）像素大小图像，并且也是采用的代码合成图的方式：分为fgr、bgr（分割用的其实就是抠像的低分辨率数据集），会不会和这个有关系呢，
抠像小分辨率是（768，432），高分辨率是（3840，2160）以及（1920，1080），他们属于一个数据集，只是分辨率不同
这是我在tensorboard查看的训练真实alpha以及预测alpha展示图：
真实alpha：
预测的alpha：
为什么你的alpha背景是白色前景是黑色？不应该背景黑色前景白色吗？
我训练的背景，而非前景，我把前景预测注释掉了（前面测试过可以得到不错的结果，这里的数据集采用代码外合成，就是没有fgr图像，直接是合成图），后续增加了数据集，我将分割数据集（这里使用抠像高分辨率数据集）以及抠像数据集全部采用代码动态合成的方式加载（依旧没有前景预测），目的增加数据多样性，这样反而得到了不好的效果，我不太能看懂tensorboard里面的loss曲线，因为他不是下降趋势，感觉一直在稳定状态，请您分析一下：
1.前景预测影响有多大，由于我是通过训练背景获取alpha，反转可以得到我想要的前景alpha，这里前景预测就相当于预测我真实数据的背景，后续用不上就去掉了，因为我是在特定纯色场景抠像，前景比背景复杂的多）
2.下面是我的loss图：（这里没有设置阶段四，因为数据集制作原因，阶段四、阶段三使用相同视频数据集，第一阶段loss中途死机，所以有两份）
阶段一：
图像分割损失：
视频分割损失：
序列损失：
l1损失：
金字塔损失：
总损失：
阶段二：
图像分割损失：
视频分割损失：
序列损失：
l1损失：
金字塔损失：
总损失：
阶段三：
图像分割损失：
视频分割损失：
低分辨率序列损失：
低分辨率l1损失：
低分辨率金字塔损失：
低分辨率总损失：
高分辨率序列损失：
高分辨率l1损失：
高分辨率金字塔损失：
高分辨率总损失：
请问他有个背景数据集没有公开怎么能训练呀 Image Backgrounds Train set: We crawled 8000 suitable images from Google and Flicker. We will not publish these images.
请问他有个背景数据集没有公开怎么能训练呀 Image Backgrounds Train set: We crawled 8000 suitable images from Google and Flicker. We will not publish these images.
可以自己找一些背景图片，根据给定的一些关键词。