在 Keras 中对不同分辨率的图像进行训练和验证

Question

我正在使用 Keras 构建卷积神经网络，以执行从显微图像到 2D 标签数据的回归（用于计数）。我正在研究在较小的微观数据补丁上训练网络（其中补丁是感受野的大小）。问题是，fit() 方法要求验证数据与输入的大小相同。相反，我希望能够验证整个图像（而不是补丁），这样我就可以验证我的整个验证集并将结果与​​我迄今为止使用的其他方法进行比较。

我发现的一个解决方案是在每个时期交替使用 fit() 和 evaluate()。但是，我希望能够使用 Tensorboard 观察这些结果。由于evaluate() 不接受回调，所以这个解决方案并不理想。有没有人在训练补丁的同时验证全分辨率图像的好方法？

Answer 1

您需要确保您的网络输入的形状为(None,None,3)，这意味着您的网络接受任意大小的输入彩色图像。

Answer 2

您可以使用fit generator 代替fit，并为验证集提供不同的生成器。只要网络的其余部分与图像大小无关（例如，完全卷积层），就可以了。