u-netでlossが下がらない原因について

Question

u-netを使用した2クラス分類の学習のlossが下がらない原因が分かりません。
現在のlossはこのようになっています。

学習率を変えたりしましたが全く改善されません。入力のサイズはあっていると思いますので入力の値の形式に問題があるのかもしれないと現在考えています。
ネットワークはchainerを使用したu-netです。入力画画像(batchsize×1×W_img×H_img)に対してラベル画像(batchsize×1×W_label×H_label)を対応させて学習しています。(W_label≒W_img,H_label≒H_img)ラベル画像は01のマスク画像です。コードの詳細部分はところどころ****で略しています。
もし可能性として考えられるものがありましたら、教えていただきたいです。よろしくお願いいたします。

def main(gpu, epoch, ites, bsize, trfolder, trlabel, modelname):
    chainer.cuda.get_device(gpu).use()
    net = UNET()
    net.to_gpu()
    opt = chainer.optimizers.Adam()
    opt.setup(net)
    stime = time.clock()
    train = data.TrainData(trfolder, trlabel)
    x_train = train.get_len()
    train_batchnum = -(-x_train // bsize) 
    print('epoch    time     train/loss test/loss ')
    for ep in range(1, 1+epoch):
        train_loss_sum = cp.float32(0)
        train.shuffle()
        for b in range(ites):
            x_batch, y_batch, r_batch = train.u_data(b, min(b + bsize, x_train))
            x, y = Variable(cuda.to_gpu(x_batch)), Variable(cuda.to_gpu(y_batch))
            r = Variable(cuda.to_gpu(r_batch))
            h = net(x)
            loss = *****
            net.cleargrads()
            loss.backward()
            opt.update()
            train_loss_sum += loss.data
        print('{0:5} {1:7.1f} {2:.6f}'.format(ep, time.clock()-stime, float(train_loss_sum)/ites)
        chainer.serializers.save_npz('{}_{}'.format(modelname, ep), net)

import cv2
import os
import numpy as np
import random
import sys
import math

class TrainData:
    def __init__(self, folder, labelfolder):
        self.lst = []
        files = os.listdir(folder)
        for i in range(len(files)):
            img = cv2.imread(folder + files[i], 0).astype(np.float32) / 255.0
            img = cv2.resize(img, (W_img, H_img), interpolation=cv2.INTER_NEAREST)
            label = cv2.imread(labelfolder + files[i])
            label = cv2.resize(label, (W_label, H_label), interpolation=cv2.INTER_NEAREST)
            labelb = np.zeros_like(label)
            labelb[**********] = 1
            label = labelb[:, :, 0]
            self.lst.append((img, label, files[i]))

    def shuffle(self):
        np.random.shuffle(self.order)

    def get_len(self):
        return len(self.lst)

    def u_data(self, _from, _to):
        x = np.empty((batchsize, 1, W_img, H_img), dtype=np.float32)
        y = np.empty((batchsize, 1 , W_label, H_label), dtype=np.float32)
        for i in range(_from, _to):
            img, label, fname = self.lst[self.order[i]]
            height = img.shape[0]                         
            width = img.shape[1]                          
            center = (int(width/2), int(height/2))
            angle = *****
            scale = *****
            trans = cv2.getRotationMatrix2D(center, angle , scale)
            img = cv2.warpAffine(img, trans, (W_img,H_img))
            label = cv2.warpAffine(label, trans, (W_label,H_label))  
            x[i-_from, :, :, :] = img
            y[i-_from, :, :, :] = label     
            ratio = np.maximum(np.float32(np.count_nonzero(label)), *****) / ((*****)*batchsize)
            r = np.where(y > *****, *****, *****).astype(np.float32)    
        return x, y, r

Answer 1

for b in range(ites):
の部分を for b in range(0, len(test), bsize):
に変更し、ラベルの数値を見直しましたら無事にlossは収束いたしました