Question

我正致力于处理超分辨率的CNN。我需要从图像中提取补丁，然后训练这些小补丁（即41x41）。

然而，在预测图像时，图像的大小比贴片大。但是Keras不允许我预测比训练图像更大的图像。

我看过Can Keras deal with input images with different size?。我已尝试将None放入网络输入形状然后加载权重。但是，当谈到这一行：c1 = PReLU()(c1)时，我收到错误：nt() argument must be a string, a bytes-like object or a number, not 'NoneType'。代码紧扣在下面。

如何解决此问题？我正在使用带有张量流后端的Keras。我没有完全连接的图层，所有都是带有relu的Conv2D，除了下面的代码片段，它是针对c1的PReLU。

感谢。

input_shape = (None,None,1)
x = Input(shape = input_shape)
c1 = Convolution2D(64, (3,3), init = 'he_normal', padding='same', name='Conv1')(x)
c1 = PReLU()(c1)
#............................
output_img = keras.layers.add([x, finalconv])
model = Model(x, output_img)

Answer 1

Keras不允许我预测比尺寸更大的图像训练图像

这是错误的，keras允许您在网络设计正确时执行此操作。

然而，当涉及到这一行：c1 = PReLU（）（c1）时，我得到了错误：nt（）参数必须是字符串，类似字节的对象或数字，而不是＆＃39; NoneType＆＃39;。

此错误是预期的，因为您的输入形状包含None。实际上，如果您之前为shared_axes=[1,2]设置PReLU（默认值shared_axes=None），则不会看到此错误。

因此，真正的问题是PReLU的参数，以前只为41x41输入设置，但现在要求它们适用于任意输入大小。

最佳解决方案是直接训练输入形状为(None,None,3)的新模型。

如果您不关心可能的降级，可以加载预训练模型的所有图层权重，PReLU图层除外。然后，可以在PReLU之间手动计算相应的shared_axes =[1,2]参数，并将其用作新的PReLU参数。

加载不同于Keras培训输入尺寸的图像

1 个答案: