完全卷積網絡訓練圖像大小

我試圖複製完全卷積網絡（FCN）的結果使用TensorFlow的語義分割。完全卷積網絡訓練圖像大小

我一直在將訓練圖像輸入到計算圖中。完全卷積網絡使用VOC PASCAL數據集進行訓練。但是，數據集中的訓練圖像大小各不相同。

我只是想問他們是否對訓練圖像進行了預處理，使它們具有相同的尺寸以及如何對圖像進行預處理。如果沒有，他們是否只是將不同大小的圖像批量加入FCN？是否有可能將一批中的不同尺寸的圖像輸入到TensorFlow中的計算圖中？有可能使用隊列輸入而不是佔位符來做到這一點嗎？

來源

2016-08-20 Ruizhi Deng

喂飼不同尺寸的圖像有什麼問題？ – codetiger

如何在張力流中將不同尺寸的圖像放在一個批次中？你的意思是FCN使用不同大小的圖像進行訓練？他們是否使用批次明智的培訓？ –

將不同大小的圖像輸入到單個輸入批處理中是不可能的。每個批次可以有不定數量的樣品（這通常是批量大小，下面用None表示），但每個樣品必須具有相同的尺寸。

當你訓練一個完全卷積網絡時，你必須訓練它像一個網絡，最後完全連接圖層。因此，輸入批次中的每個輸入圖像必須具有相同的寬度，高度和深度。調整它們的大小。

唯一的區別是，完全連接的層爲輸入批處理中的每個樣本輸出單個輸出向量（形狀爲[None, num_classes]），完全卷積輸出類的概率圖。

在火車過程中，當輸入圖像的尺寸等於網絡輸入尺寸時，輸出將是形狀爲[None, 1, 1, num_classes]的概率圖。

您可以使用tf.squeeze從輸出張量中移除尺寸1的尺寸，然後像計算完全連接的網絡一樣計算損耗和精度。

在測試時，當您輸入尺寸大於輸入的網絡圖像時，輸出將是尺寸爲[None, n, n, num_classes]的概率圖。

來源

2016-08-20 13:46:07 nessuno

您想詳細說明如何使用tf.squeeze來消除固定圖像大小的限制嗎？ – user288609

FCNN輸出具有形狀的地圖（忽略批量大小並考慮輸入一個正方形）[n，n，num_classes]。如果輸入圖像具有網絡預期的空間範圍（寬度和高度）相同的空間範圍（其接受域寬度和高度），則輸出是概率向量，其形狀爲[1,1，num_classes]。 'tf.squeeze'從張量中刪除'1'尺寸，因此你可以從形狀爲[[1,1，num_classes]]的張量變成形狀爲[num_classes]'的張量。這隻有在輸出有1個維度時纔可能，否則你不能移除它們 – nessuno

完全卷積網絡訓練圖像大小

回答

相關問題