Question

我尝试在我的u-net中实现残留块。

执行以下操作：

inputs = Input((IMG_HEIGHT, IMG_WIDTH, IMG_CHANNELS))
s = Lambda(lambda x: x / 255) (inputs)

c1 = layers.Conv2D(8, (3, 3), activation='relu', padding='same') (s)
c1 = layers.Conv2D(8, (3, 3), activation='relu', padding='same') (c1)

res1 = layers.Conv2D(8, kernel_size=(3, 3), strides = (2,2), padding='same')(c1)
res1 = layers.BatchNormalization()(res1)
res1 = layers.LeakyReLU()(res1)

res1 = layers.Conv2D(8, kernel_size=(1, 1), strides=(1, 1), padding='same')(res1)
res1 = layers.BatchNormalization()(res1)

res1 = concatenate([c1, res1])

我想知道自己最后是否可以使用串联。那么，它仍然是一个残余块吗？但是，从上面运行代码时，我遇到以下错误：

A `Concatenate` layer requires inputs with matching shapes except for 
the concat axis. Got inputs shapes: [(None, 224, 224, 8), (None, 112, 
112, 8)]

有人可以帮我吗？

Answer 1

问题是结果的大小不同，这是由计算c1和res1时的步幅不同引起的：

res1 = layers.Conv2D(8, kernel_size=(3, 3), strides = (2,2), padding='same')(c1)
                                                      ^^^^^

如果将其更改为(1,1)，则这两层将产生相同大小的输出，并且您可以将它们连接起来得到(None, 224, 224, 16)。

这是否可以，要看情况，但这对我来说并不是一个好主意。

残留块：两层相加

1 个答案: