我正在尝试使用Keras库Tensorflow后端对完全卷积神经网络进行建模。
我面临的问题是将不同大小的图像分批投放到model.fit()功能。训练集包括不同大小的图像，从768x501到1024x760不等。
不超过5张图片具有相同的尺寸，因此将它们分组成批似乎没有任何帮助。
Numpy允许以列表形式将数据存储在单个变量中。但是keras model.fit()函数在接收列表类型训练数组时会抛出错误。
我不希望调整大小并丢失数据，因为我已经拥有一个非常小的数据集。
我如何开始培训这个网络？
答案 0 :(得分：0)
我认为空间金字塔池（SPP）可能会有所帮助。检出此paper。
我们注意到SPP对于深层CNN具有几个显着的特性：
1）SPP能够生成固定长度的输出，而不管输入大小如何，而以前的深层网络中使用的滑动窗口池则无法；
2）SPP使用多级空间仓，而滑动窗口池仅使用单个窗口大小。多层池已显示出对对象变形的鲁棒性；
3）由于输入比例尺的灵活性，SPP可以合并以可变比例尺提取的要素。通过实验表明，所有这些因素都可以提高深度网络的识别精度。
yhenon已实施SPP for Keras on Github。