Keras：将图像输入 CNN 并获得图像输出

Question

到目前为止，我一直在 Pandas 的数值数据集上练习神经网络，但现在我需要创建一个模型，将图像作为输入并输出该图像的二进制掩码。

我的训练数据是形状为 numpy 的数组 (602, 2048, 2048, 1)。 602 张尺寸为 2048x2048 的图像，带有一个通道。 输出掩码数组具有相同的维度。

我想不通的是如何定义第一层或如何正确地将数据输入模型。 我将非常感谢您在此问题上的帮助

Answer 1

嗯，这不是一个“规则”，但可能您将主要使用 2D conv 和相关层。

像往常一样，您将所有内容作为 numpy 数组提供，也许可以规范化这些值。 常见的选项有：

• 在 0 和 1 之间（只需除以 255。）
• -1 和 1 之间（除以 255，乘以 2，减 1）
• Caffe 风格：从每个通道中减去一个特定值，以根据其通常的平均值“居中”这些值，而无需重新调整它们。

您的模型应该从以下内容开始：

inputTensor = Input((2048,2048,1))
output = Conv2D(filters, kernel_size, .....)(inputTensor)    

或者，在顺序模型中： model.add(Conv2D(...., input_shape=(2048,2048,1))

稍后，由您决定使用哪些层。

• Conv2D
• 最大池化2D
• 上采样二维

无论您是要创建线性模型，还是要划分分支、加入分支等，这也是您的决定。

U-Net风格的模型对您来说应该是一个好的开始。

你不能做什么：

• 不要使用 Flatten 图层（实际上你可以，如果你稍后重新调整输出以获得图像尺寸......但为什么呢？）
• 不要使用全局池化层（你不想牺牲你的空间维度）