Question

我有一个内置于TF中的CNN，其使用Input(shape = (1000,1000,5))。这是因为该图像是5张黑白图像的堆栈。我所有的样本都是不同地点的航拍照片，因此原始图像的大小各不相同（并且远大于1000、1000）。但是，TF要求所有输入都具有相同的预定大小，因此我们决定从所有图像中裁剪1000、1000。

这显然会丢失很多可用信息。我正在研究使网络具有动态输入形状的方法，以便可以拍摄所有原始图像。我在网上发现了多个建议，但每个建议都存在问题。

为每种图像尺寸（例如我有2种尺寸）分别制作一个Input()，然后可以将其卷积为相同的形状张量。问题在于，这意味着一个卷积层将不会受到不良观察值的一半的影响（除非我误解了下一层的工作原理）。例如：

# a and b are fixed, different, image shapes
for image in inputs:
    if image.shape == a:
        x = Input(shape = a)
        x = conv2d_transpose(output_shape = (1000, 1000, 5))
    else:
        y = Input(shape = b)
        y = conv2d_transpose(output_shape = (1000, 1000, 5))

使用急切执行。在这里，我发现的所有示例仍适用于固定的输入形状，因此我无法想到一种使用它来迭代样本并创建不同输入的方法。我找到了this thread，但询问者回答了自己，我不能说我真正理解我要解决的办法。
在输入之前调整图像大小。这是一个特别糟糕的主意，因为调整大小会扭曲图像并丢失大量至关重要的空间元素

任何输入（很抱歉）。

Answer 1

有什么理由不采用最大可能的尺寸和零填充输入？这就是您在链接的线程中所做的事情。 Kinda具有粘性，但它曾经是NLP中的常见做法，并且可以选择在卷积层内进行。

处理TF的不同大小的输入

1 个答案: