我有一个完全卷积的神经网络，U-Net，可以在下面阅读。
我想用它来对图像进行像素分类。我的训练图像有两种尺寸：512x512和768x768。我在初始步骤中使用前者的反射填充（256,256,256,256），在后者中使用（384,384,384,384）。我在卷积之前进行连续填充，以获得输入大小的输出。
但由于我的填充取决于图像/输入的大小，我无法构建通用模型（我正在使用Torch）。
在这种情况下如何完成填充？
我是深度学习的新手，任何帮助都会很棒。感谢。
答案 0 :(得分：0)
要做的第一件事是将所有图像处理为相同的大小。 CONV图层输入要求所有图像都具有指定的尺寸。
Caffe允许您在原型文件中进行重塑;在Torch中，我认为你可以在 createModel 的前面放下一个类似的命令，但我不记得命令名。如果没有，那么你需要在模型流程之外进行。
答案 1 :(得分：0)
您的模型只接受第一层大小的图像。在将它们转发到网络之前，您必须预先处理所有这些。为此，您可以使用：
image.scale(img, width, height, 'bilinear')
img将是要缩放的图片，width和height模型第一层的大小（如果我没错，那就是572 * 572） ，'bilinear'是用于缩放图像的算法。
请记住，可能需要提取图像的平均值或将其更改为BGR（取决于模型的训练方式）。