Keras如何在具有CNN和密集层的网络中设置尺寸？

Question

我需要一些帮助以了解此处的情况。

我的目标是拥有一个接收sizeXsize图像并返回sizeXsize二进制矩阵的网络。 网络的输出应为二进制sizeXsize矩阵，该矩阵指示像素是否具有特征。

例如，考虑一个拐角检测网络，其中输出层会判断像素是否正好位于拐角的尖端。 即，我们只想检测此角的像素：

网络中的第一层定义如下：

from keras import models, layers
import numpy as np

size=5

input_image = layers.Input(shape=(size, size, 1))

b = layers.Conv2D(5, (3,3), activation='relu', padding='same')(input_image)
b = layers.MaxPooling2D((2,2), strides=1,  padding='same')(b)
b = layers.Conv2D(5, (3,3), activation='relu', padding='same')(b)
b_out = layers.MaxPooling2D((2,2),strides=1 ,padding='same')(b)

直到现在，我仍保留原始输入层的尺寸（ sizeXsize ）。

现在，我想将密集层作为具有sizeXsize像素的输出层。

如果我使用output = layers.Dense(size, activation='sigmoid')(b_out)则构建的图层为sizeXsizeXsize ，如果我使用output = layers.Dense(1, activation='sigmoid')(b_out)则尺寸为sizeXsize ，怎么来的？

这是代码的构建和编译部分：

model = models.Model(input_image, output)
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])
model.summary()

我在这里想念什么？ output = layers.Dense(1, activation='sigmoid')(b_out)不是output = layers.Dense(1, activation='sigmoid')(b_out)只是单个神经元吗？

问题是，如果我训练：

n_images=100
data = np.random.randint(0,2,(n_images,size,size,1))
labels = np.random.randint(0,2,(n_images,size,size,1))
labels = data

model.fit(data, labels, verbose=1, batch_size=4, epochs=20)

如果我测试它：

data1 = np.random.randint(0,2,(n_images,size,size,1))
score, acc = model.evaluate(data1,data1, verbose=1)


print('Test score:', score)
print('Test accuracy:', acc)

a=np.random.randint(0,2,(1,size,size,1))
prediction = model.predict(a)

print(a==np.round(prediction))

我得到了很好的准确性，并且看来输出层的大小是正确的：

100/100 [==============================] - 0s 349us/step
Test score: 0.187119951248
Test accuracy: 0.926799981594
[[[[ True]
   [ True]
   [ True]
   [ True]
   [ True]]

  [[ True]
   [ True]
   [ True]
   [ True]
   [ True]]

  [[ True]
   [ True]
   [ True]
   [ True]
   [ True]]

  [[ True]
   [ True]
   [ True]
   [ True]
   [ True]]

  [[ True]
   [ True]
   [ True]
   [ True]
   [ True]]]]

---

如果我阅读密集文档：

单位：正整数，输出空间的维数。

所以，如果我把怎么弄layers.Dense(1, activation='sigmoid')(b_out)我得到的输出层sizeXsize ？

Answer 1

诀窍不是使用常规的Dense层，而是使用内核大小为(1,1)的卷积层，即您需要以下内容：

b = layers.Conv2D(5, (3,3), activation='relu', padding='same')(input_image)
b = layers.MaxPooling2D((2,2), strides=1,  padding='same')(b)
b = layers.Conv2D(5, (3,3), activation='relu', padding='same')(b)
b = layers.MaxPooling2D((2,2),strides=1 ,padding='same')(b)
# not use Dense, but Conv2D
binary_out = layers.Conv2D(1, (1,1), activation='sigmoid', padding='same')(b)

Answer 2

造成混淆的原因是，当前已实现了Dense层，以便将其应用于输入数据的最后一个轴 。 这就是为什么将具有形状(size, size, 5)的MaxPooling层的输出（即b_out ）馈送到具有一个单位的Dense层时会得到形状(size, size, 1)的输出的原因。 在这种情况下，虽然具有相同的权重，但Dense层中的单个神经元连接到输出数组中的5个元素中的每一个（这就是为什么如果您查看summary()输出，您会看到Dense层有6个参数，5个权重和一个偏置参数）。

您可以将Dense层（带有一个单元）或Conv2D层（带有一个滤镜）用作最后一层。 如果您问哪个更好，答案是：它取决于您正在处理的特定问题和所拥有的数据。 但是，您可以从图像分割网络中获取一些想法，在这种网络中，首先使用Conv2D和MaxPooling2D层的组合来处理图像（随着模型的进行，其尺寸会减小），然后使用一些上采样层和Conv2D层取回与输入图像相同大小的图像。 这是一个草图（不过，您的案例不需要使用TimeDistributed和LSTM层）。