Keras如何在具有CNN和密集層的網絡中設置尺寸？

Question

我需要一些幫助以了解此處的情況。

我的目標是擁有一個接收sizeXsize圖像並返回sizeXsize二進制矩陣的網絡。 網絡的輸出應為二進制sizeXsize矩陣，該矩陣指示像素是否具有特征。

例如，考慮一個拐角檢測網絡，其中輸出層會判斷像素是否正好位於拐角的尖端。 即，我們只想檢測此角的像素：

網絡中的第一層定義如下：

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)

直到現在，我仍保留原始輸入層的尺寸（ sizeXsize ）。

現在，我想將密集層作為具有sizeXsize像素的輸出層。

如果我使用output = layers.Dense(size, activation='sigmoid')(b_out)則構建的圖層為sizeXsizeXsize ，如果我使用output = layers.Dense(1, activation='sigmoid')(b_out)則尺寸為sizeXsize ，怎么來的？

這是代碼的構建和編譯部分：

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

我在這里想念什么？ output = layers.Dense(1, activation='sigmoid')(b_out)不是output = layers.Dense(1, activation='sigmoid')(b_out)只是單個神經元嗎？

問題是，如果我訓練：

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)

如果我測試它：

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))

我得到了很好的准確性，並且看來輸出層的大小是正確的：

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]]]]

---

如果我閱讀密集文檔：

單位：正整數，輸出空間的維數。

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

Answer 1

訣竅不是使用常規的Dense層，而是使用內核大小為(1,1)的卷積層，即您需要以下內容：

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，當前已實現了Dense層，以便將其應用於輸入數據的最后一個軸 。 這就是為什么將具有形狀(size, size, 5)的MaxPooling層的輸出（即b_out ）饋送到具有一個單位的Dense層時會得到形狀(size, size, 1)的輸出的原因。 在這種情況下，雖然具有相同的權重，但Dense層中的單個神經元連接到輸出數組中的5個元素中的每一個（這就是為什么如果您查看summary()輸出，您會看到Dense層有6個參數，5個權重和一個偏置參數）。

您可以將Dense層（帶有一個單元）或Conv2D層（帶有一個濾鏡）用作最后一層。 如果您問哪個更好，答案是：它取決於您正在處理的特定問題和所擁有的數據。 但是，您可以從圖像分割網絡中獲取一些想法，在這種網絡中，首先使用Conv2D和MaxPooling2D層的組合來處理圖像（隨着模型的進行，其尺寸會減小），然后使用一些上采樣層和Conv2D層取回與輸入圖像相同大小的圖像。 這是一個草圖（不過，您的案例不需要使用TimeDistributed和LSTM層）。