具有動態輸入形狀的 CNN

Question

大家好！

由於我正在嘗試制作一個將灰度圖像轉換為 rgb 圖像的完全卷積神經網絡，我想知道我是否可以在不同大小的圖像（不同像素和比率）上訓練和測試模型。 通常你只會下采樣或上采樣，這是我不想做的。 我聽說如果我使用完全卷積神經網絡可能是可能的，但我仍然不知道代碼會是什么樣子。 你能幫我一些代碼嗎？

為什么這是個問題？

就像我說的，輸入圖像不應該被下采樣，因為我沒有對任何東西進行分類。 我想生成一個與輸入圖像大小相同的新圖像。 所以應該不會有任何損失。

固定輸入形狀的代碼：

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
...

圖片大小為 28*28px

我認為它可能如何工作：

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(None, None, 1)))
model.add(layers.MaxPooling2D((2, 2)))
...

具有不同尺寸的圖像

• 圖片 1 = 256*300
• 圖片2 = 1024*800
• 圖片 3 = 500*400

這是一個將灰度圖像轉換為 rgb 圖像的自動編碼器示例，但是這個具有固定的輸入形狀。

*我使用的是 TF 2.0 Alpha

Answer 1

我發現，卷積神經網絡根本不關心輸入形狀。 它關心的是內核大小、步幅和填充。 例如設置 kernel size = 3, stride = 1, padding = 1 不會改變張量的形狀。 說到pooling，一定要保證，加了padding = 1，這叫half/same padding （ http://deeplearning.net/software/theano/tutorial/conv_arithmetic.html ）。 因此，可以制作一個能夠處理不同尺寸圖像的全卷積自編碼器。