用於轉換和手動加載圖像的Keras input_shape

Question

我正在從多個384x286黑白圖像中手動創建數據集。

我加載這樣的圖像：

x = []
for f in files:
        img = Image.open(f)
        img.load()
        data = np.asarray(img, dtype="int32")
        x.append(data)
x = np.array(x)

這導致x是一個數組（num_samples，286、384）

print(x.shape) => (100, 286, 384)

閱讀keras文檔並檢查我的后端，我應該向卷積步驟提供一個由（rows，cols，channels）組成的input_shape

由於我不隨意知道樣本大小，因此我希望將其作為輸入大小傳遞，類似於

( None, 286, 384, 1 )

該模型的構建如下：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=input_shape))
# other steps...

作為input_shape（286、384、1）傳遞會導致：

檢查輸入時出錯：預期conv2d_1_input具有4個維，但數組的形狀為（85，286，384）

傳遞as_input_shape（None，286，384，1）會導致：

輸入0與層conv2d_1不兼容：預期ndim = 4，找到的ndim = 5

我究竟做錯了什么 ？ 我該如何重塑輸入數組？

Answer 1

將input_shape設置為（286,384,1）。 現在，模型需要一個4維的輸入。 這意味着您必須使用.reshape(n_images, 286, 384, 1)重塑圖像。 現在，您添加了一個額外的維度，而無需更改數據，並且模型可以運行了。 基本上，您需要將數據調整為（ n_images ， x_shape ， y_shape ， channels ）。

很棒的事情是您還可以使用RGB圖像作為輸入。 只需將channels更改為3。

還要檢查以下答案： Keras輸入說明：input_shape，units，batch_size，dim等

例

import numpy as np
from keras.models import Sequential
from keras.layers.convolutional import Convolution2D
from keras.layers.core import Flatten, Dense, Activation
from keras.utils import np_utils

#Create model
model = Sequential()
model.add(Convolution2D(32, kernel_size=(3, 3), activation='relu', input_shape=(286,384,1)))
model.add(Flatten())
model.add(Dense(2))
model.add(Activation('softmax'))

model.compile(loss='binary_crossentropy',
                  optimizer='adam',
                  metrics=['accuracy'])

#Create random data
n_images=100
data = np.random.randint(0,2,n_images*286*384)
labels = np.random.randint(0,2,n_images)
labels = np_utils.to_categorical(list(labels))

#add dimension to images
data = data.reshape(n_images,286,384,1)

#Fit model
model.fit(data, labels, verbose=1)

Answer 2

您的input_shape尺寸是正確的，即input_shape（286，384，1）

將輸入圖像重塑為4D [batch_size，img_height，img_width，number_of_channels]

input_image=input_image.reshape(85,286, 384,1)

中

model.fit(input_image,label)

Answer 3

我認為以下方法可以解決您的錯誤。

1. 我們提供給第一個conv2d（順序模型的第一層）的input_shape應該類似於（286,384,1）或（寬度，高度，通道）。 其中batch_size不需要“無”維度。

2. 您輸入的形狀可以是（batch_size，286,384,1）

這對您有幫助嗎？