[英]Output image color is not correct using perceptual loss with keras pretrained vgg16
我是深度学习和keras的新手。 我正在尝试使用keras训练具有感知损失的Unet。 输出图像的颜色有问题。 我的输入图像是彩色图像(RGB)。
如果我不对输入图像进行预处理,则表示输入为RGB,范围为0〜255。 输出如下: 输出图像(RGB,0〜255)比标签图像暗。
我发现预训练的vgg16模型使用的是“ caffe”权重。 函数keras.applications.vgg16.preprocess_input会将RGB更改为BGR并减去平均值。 因此,我尝试使用keras.applications.vgg16.preprocess_input ,然后通过添加平均值对输出图像进行处理,然后改回RGB。 但是输出图像太白: 输出图像(vgg16.preprocess_input)
然后我以比率-> 10:1(感性损失:MSE)添加MSE损失输出与输出图像没有区别(vgg16.preprocess_input)
我想知道这是感知损失的普遍问题,还是我的代码有问题?
这是我的代码
预处理图像:
img = load_img(datapath, grayscale = False)
img = img.resize( (resize_size, resize_size), Image.BILINEAR )
img = img_to_array(img)
img = preprocess_input(img)
取消处理图片:
mean = [103.939, 116.779, 123.68]
img[..., 0] += mean[0]
img[..., 1] += mean[1]
img[..., 2] += mean[2]
img = img[..., ::-1]
感性损失:
def perceptual_loss(y_true, y_pred):
vgg = VGG16(include_top=False, weights='imagenet', input_shape=(resize_size, resize_size, 3))
loss_model = Model(inputs=vgg.input,
outputs=vgg.get_layer('block3_conv3').output)
loss_model.trainable = False
return K.mean(K.square(loss_model(y_true) - loss_model(y_pred)))
如果您有任何想法,请告诉我。 非常感谢!!!
“您的”模型的输出与VGG,caffe等无关。
在创建模型时定义它的是“您”。
因此,如果模型的输出必须在0到255之间,则一种可能性是使其最后一层为:
Activation('sigmoid')
Lambda(lambda x: x*255)
然后,您需要在感知损失内使用preprocess_input
函数:
def perceptual_loss(y_true, y_pred):
y_true = preprocess_input(y_true)
y_pred = preprocess_input(y_pred)
vgg = VGG16(include_top=False, weights='imagenet', input_shape=(resize_size, resize_size, 3))
loss_model = Model(inputs=vgg.input,
outputs=vgg.get_layer('block3_conv3').output)
loss_model.trainable = False
return K.mean(K.square(loss_model(y_true) - loss_model(y_pred)))
另一种可能性是对模型的输出进行后处理。 (但同样,输出范围完全由您定义)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.