Question

作者在Fully Convolutional Networks for Semantic Segmentation中写道：

现有的完全卷积版本网络预测任意大小输入的密集输出。

我看不到Keras模型如何支持任意大小的图像。

from keras import models
from keras import layers

input_image = layers.Input(shape=(None, None, 1))

b = layers.Conv2D(32, (3,3), activation='relu')(input_image)
b = layers.MaxPooling2D((2,2))(b)
b = layers.Conv2D(64, (3,3), activation='relu')(b)
b_out = layers.MaxPooling2D((2,2))(b)
flattened_out = layers.Flatten()(b_out)
output = layers.Dense(10*10, activation='sigmoid')(flattened_out)
output = layers.Reshape((10,10))(output)

另外，当我在github上查看其他this one之类的FCN实现时，我看到它们确实声明了特定的输入大小：

fcn_vgg16 = FCN(input_shape=(500, 500, 3), classes=21,  
                weights='imagenet', trainable_encoder=True)

有人可以帮我在Keras中建立一个简单的FCN吗？

如何在Keras中实现具有任意大小输入大小的完全卷积网络（FCN）？

0 个答案: