Question

我当前正在尝试修改mobilenetv2，以便它检测图像中的某些对象并返回标记该对象位置的热图。为此，必须使热图具有与输入图像完全相同的分辨率。

我的方法是建立类似U-Net的编码器/解码器网络，该网络利用Conv2dTranspose将移动网络的输出缩放到其原始形状，并为每个相应的卷积提供捷径，从而降低分辨率。

第一个对应层之间的第一个串联工作良好，但是第二个失败，因为它们的输出形状不匹配。如我所料，第一个Conv2dTranspose将分辨率提高了2倍。但是第二个没有。它具有输入形状（None，20，80，192），应该输出（None，40，160，144）。不幸的是，实际的输出形状竟然是（None，36，156，144），使得不可能串联这些层。

如何获得一致的输出形状？我以为padding ='same'应该保证什么？非常感谢您的帮助！

到目前为止，我已经尝试过更改填充类型，设置output_padding参数，步幅和过滤器大小。没有一个或多或少会令人惊讶地以期望的方式影响输出形状。

base_model = MobileNetV2(input_shape=(imageShape[0], 
    imageShape[1], 3), include_top=False, weights='imagenet')
conv_layers = get_conv_layers(base_model)

x = base_model.output

c = conv_layers.pop()
c = conv_layers.pop()
x = Conv2DTranspose(filters=c.output_shape[-1],
                    kernel_size=(3, 3), strides=(2, 2), 
                    activation='relu', padding='same', 
                    kernel_initializer='he_normal')(x)
x = concatenate([c.output, x], axis=-1)
x = Conv2D(filters=c.output_shape[-1], kernel_size=(3, 3),
           activation='relu')(x)

c = conv_layers.pop()
x = Conv2DTranspose(filters=c.output_shape[-1],
                    kernel_size=(3, 3), strides=(2, 2), 
                    activation='relu', padding='same',
                    kernel_initializer='he_normal')(x)
x = concatenate([c.output, x], axis=-1)
x = Conv2D(filters=c.output_shape[-1], kernel_size=(3, 3),
           activation='relu')(x)

ValueError：Concatenate层需要输入（除了concat轴以外）具有匹配的形状。得到了输入形状：[[None，40，160，144），（None，36，156，144）]

第一个形状是Conv2dTransposed输出的所需形状，第二个是实际形状。对于串联来说，这些应该是相同的。

Answer 1

好，所以我明白了，有时候您只需要在一段时间内摆脱问题即可。原来，我非常关注Conv2dTranspose是罪魁祸首，以致于我完全忽略了两者之间可能存在其他层的问题。毕竟我忘了将普通Conv2d的填充设置为'same'。设置此参数正确解决了问题，并且得到了预期的输出形状。

Conv2dTranspose产生错误的输出形状

1 个答案: