Question

我正在尝试为不同大小的图像提供2D CNN。为此目的（因为我不想重塑我的图像），我尝试执行2D填充。

问题如下：要输入到网络的图像被读取并转换为三维骚动（形状为：（80,35,3）。由于图像形状不同，我无法创建一个np.array来放入它们 - 所以我将它们附加到列表中。因此着名的错误：

“检查模型输入时出错：您传递给模型的Numpy数组列表不是模型预期的大小。预计会看到1个数组，而是获得以下18418个数组列表：”等

所以问题是：如何将这些图像提供给填充层？

我尝试过很多东西，比如在开头调用Input：

    inputs = Input(shape = (None, None, 3,))

或按如下方式配置我的填充层：

    model.add(ZeroPadding2D(padding=(64, 64), batch_input_shape= (1000, None, None, 3)))

但我无法做对。

有人会有解决方案吗？

提前致谢，

中号

Answer 1

填充

如果你想填充（通过执行太多不必要的操作会使你的模型变慢），你必须在模型之外，使用numpy。

如果你有一个图像列表，比如numpy数组列表，每个numpy都有(side1,side2,3)个形状：

desiredX = someValue
desiredY = someValue
padded_images = []

for img in list_of_images:
    shape = img.shape
    xDiff = desiredX - shape[0]
    xLeft = xDiff//2
    xRight = xDiff-xLeft

    yDiff = desiredY - shape[1]
    yLeft = yDiff//2
    yRight = yDiff - yLeft

    padded_images.append(np.pad(img,((xLeft,xRight),(yLeft,yRight),(0,0)), mode='constant')
         #or choose another mode

padded_images = np.asarray(padded_images) #this can go into the model

单独培训

或者，您可以训练一批图像或小批量分组具有相同大小的图像。（我不知道哪个更有效率，但如果你的尺码差异太大，这可能会更好）

for epoch in range(epochs):
    for img,output in zip(list_of_images,list_of_outputs):
        img = np.expand_dims(img,axis=0) #add the batch size = 1
        output = np.expand_dims(output,axis=0) ##add batch size = 1
        model.train_on_batch(img,output,....)

Keras 2d填充和输入

1 个答案:

填充

单独培训