從RGB圖像的綠色通道培訓Keras CNN模型

我一直在試圖解決這個問題，目前爲止已經有24個小時了，但不幸的是不能拿出一些東西。從RGB圖像的綠色通道培訓Keras CNN模型

問題很簡單：我在2個子目錄中有2個類別，子目錄中的圖像是RGB格式，但我只對綠色通道感興趣。我讀使用flow_from_directory函數圖像的批次（影像尺寸@（3224224）），那麼我想如下提取使用lambda層綠色通道：

def get_model_bw(input_shape=(3,224,224), classes = 2, lr=1e-4): 
    model = Sequential([ 
     Lambda(lambda x: x[:,1,:,:], input_shape=input_shape, output_shape=(1,224,224)), 
     BatchNormalization(axis=1), 
     Conv2D(32,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     Conv2D(32,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     Conv2D(32,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     MaxPooling2D(), 
     Conv2D(64,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     Conv2D(64,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     Conv2D(64,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     MaxPooling2D(), 
     Conv2D(128,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     Conv2D(128,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     MaxPooling2D(), 
     Conv2D(256,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     Conv2D(256,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     MaxPooling2D(), 
     Conv2D(512,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     Conv2D(512,(3,3), activation='relu',padding='same'), 
     BatchNormalization(axis=1), 
     MaxPooling2D(), 
     Flatten(), 
     Dense(1000, activation='relu'), 
     BatchNormalization(), 
     Dense(1000, activation='relu'), 
     BatchNormalization(), 
     Dense(classes, activation='softmax') 
     ]) 
    model.compile(Adam(lr=lr), loss='categorical_crossentropy', metrics=['accuracy']) 
    return model 

model_bw = get_model_bw(input_shape=(3,224,224), classes=2)

但它只是拒絕工作...... ，它的投擲的錯誤是：

ValueError異常回溯（最近通話最後一個） ValueError異常：輸入0與層batch_normalization_181不相容：預計NDIM = 4，發現NDIM = 3

有什麼建議？ P.S.我使用Theano後端和最新的keras版本。

任何幫助將不勝感激。

來源

2017-09-14 Jenia Golbstein

請以「拒絕工作」給你的意思的細節。包括可能的錯誤消息。 –

您必須發佈錯誤消息，以便人們可以瞭解正在發生的事情。 –

謝謝，我添加了錯誤信息。 –

首先，您必須檢查您是否使用數據格式channels_first或channels_last。（看起來你首先使用通道，通過輸入形狀）

Keras的默認值是channels_last。您可以在用戶文件夾中的keras.json文件中看到：<user>\.keras\keras.json。這也可以爲每個圖層單獨設置。

拉姆達層

當您使用層以外的形狀的工作，如input_shape=(3,224,224)，不指定批量大小（圖像的數量）。

但拉姆達層（只要您直接在張量工作）內，批量大小將顯示爲第一個維度，那麼，你的渠道是不是在第一個維度，但在第二：

Lambda(lambda x: x[:,1,:,:], input_shape=input_shape, output_shape=outputshape)

當然，你的輸出形狀是不一樣的輸入形狀，它必須是(1,224,224)

以下層：

不要添加input_shape至其他層，僅在第一層（它是拉姆達層）

，顯示錯誤消息，如果出現任何錯誤。

來源

2017-09-14 13:12:10

謝謝。我正在使用channel_first。我編輯了我的原始文章並添加了錯誤消息。它仍然不起作用 –

我不能相信，但我找到了解決辦法：

拉姆達層：

from keras import backend as K 
Lambda(lambda x: K.expand_dims(x[:,1,:,:],1), input_shape=input_shape, output_shape=(1,224,224)),

來源

2017-09-15 20:05:01

從RGB圖像的綠色通道培訓Keras CNN模型

回答

相關問題