Question

在我的Keras CNN中，我添加了如下输入图层：

model.add(Conv2D(32, (3, 3), input_shape=(img_width, img_height, nb_channel)))

nb_channel = 3表示RGB输入，= 1表示灰度输入，flow_from_directory和ImageDataGenerator

但是，我想指定一组颜色来输入我的CNN，例如，只允许绿色和红色通道，我该怎么办？

我使用带有张量流后端的Keras

除了@ Minh-Tuan Nguyen的整洁解决方案，我们也可以按照以下方式进行切片

#custom filter
def filter_layer(x):
    red_x = x[:,:,:,0]
    blue_x = x[:,:,:,2]
    green_x = x[:,:,:,1]
    red_x = tf.expand_dims(red_x, axis=3)
    blue_x = tf.expand_dims(blue_x, axis=3)
    green_x = tf.expand_dims(green_x, axis=3)
    output = tf.concat([red_x, blue_x], axis=3)
    return output
#model
input = Input(shape=(img_height, img_width, img_channels))

在concat步骤，我们可以选择我们想要的切片。

Answer 1

您可以在自定义Lambda图层中对输入张量进行切片。假设您只想要红色和绿色：

model.add(Lambda(lambda x: x[:,:,:,:2], input_shape=(w, h, channels)))

TensorFlow允许类似切片到NumPy，对于Keras，您需要将其包裹在Lambda图层中以合并到您的模型中。

Answer 2

我认为在这里更“天真”地处理切片会更容易，因为据我所知，Keras不支持使用python和numpy等索引列表对张量进行切片。以下是我针对此问题的代码示例。尝试查看它是否符合您的要求。

indices = [0,2]

def filter_layer(input, indices=indices):
    for i in range(len(indices)):
        index = indices[i]
        x_temp = Lambda(lambda x: x[:,:,:,index][...,None])(input)

        if i==0:
            x = x_temp
        else:
            x = Concatenate(-1)([x, x_temp])
        return x

input = Input(shape=(img_height, img_width, img_channels))
x = Lambda(filter_layer)(input)

在Keras训练模型图像输入中选择特定的一组RGB通道

2 个答案: