将数据从 OpenCV 加载到 CNN答案

【问题标题】：Loading data to CNN form OpenCV将数据从 OpenCV 加载到 CNN
【发布时间】：2023-04-09 03:46:01
【问题描述】：

我使用 OpenCV 将视频文件中的帧加载到一个数组中，并使用 sklearn 将数据拆分为 X_train 和 X_test。

我的X_train.shape 是(363, 1, 40, 40, 15)，目前我正在使用 4 个类，我用来从这些数据中学习的模型编码如下：

    model = Sequential()
    model.add(Conv3D(32, (3,3,3), activation='relu', input_shape=(1, 40, 40, 15), data_format='channels_first'))
    model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
    model.add(Conv3D(64, (3,3,3), activation='relu'))
    model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
    model.add(Conv3D(128, (3,3,3), activation='relu'))
    model.add(Conv3D(128, (3,3,3), activation='relu'))
    model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
    model.add(Conv3D(256, (2,2,2), activation='relu'))
    model.add(Conv3D(256, (2,2,2), activation='relu'))
    model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))

    model.add(Flatten())

    model.add(Dense(1024))
    model.add(Dropout(0.5))
    model.add(Dense(1024))
    model.add(Dropout(0.5))
    model.add(Dense(4, activation='softmax'))

我在尝试加载模型时收到此错误：

ValueError: Negative dimension size caused by subtracting 2 from 1 for 'conv3d_44/convolution' (op: 'Conv3D') with input shapes: [?,25,1,1,256], [2,2,2,256,256].

有人可以帮助我吗？

【问题讨论】：

标签： python machine-learning keras artificial-intelligence conv-neural-network

【解决方案1】：

在 StackOverflow 上已多次讨论：请参阅 here 或 here。根据您的卷积层和池化层参数，在每个Conv3D 和MaxPooling3D 之后对张量进行下采样。以下是模型破裂前的样子：

Layer (type)                 Output Shape              Param #   
=================================================================
conv3d_1 (Conv3D)            (None, 32, 38, 38, 13)    896       
_________________________________________________________________
max_pooling3d_1 (MaxPooling3 (None, 32, 19, 19, 13)    0         
_________________________________________________________________
conv3d_2 (Conv3D)            (None, 30, 17, 17, 64)    22528     
_________________________________________________________________
max_pooling3d_2 (MaxPooling3 (None, 30, 8, 8, 64)      0         
_________________________________________________________________
conv3d_3 (Conv3D)            (None, 28, 6, 6, 128)     221312    
_________________________________________________________________
conv3d_4 (Conv3D)            (None, 26, 4, 4, 128)     442496    
_________________________________________________________________
max_pooling3d_3 (MaxPooling3 (None, 26, 2, 2, 128)     0         
_________________________________________________________________
conv3d_5 (Conv3D)            (None, 25, 1, 1, 256)     262400

张量 (None, 25, 1, 1, 256) 不能进一步下采样，因此错误。

解决方案是调整Conv3D 参数：要么使用padding='same'（在这种情况下，张量形状在卷积之后保留，并且仅在池化层之后减半）或将过滤器大小从3 减少到@987654330 @。

例子：

model = Sequential()
model.add(Conv3D(32, (3,3,3), activation='relu', input_shape=(1, 40, 40, 15), data_format='channels_first', padding='same'))
model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
model.add(Conv3D(64, (3,3,3), activation='relu', padding='same'))
model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
model.add(Conv3D(128, (3,3,3), activation='relu', padding='same'))
model.add(Conv3D(128, (3,3,3), activation='relu', padding='same'))
model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
model.add(Conv3D(256, (2,2,2), activation='relu', padding='same'))
model.add(Conv3D(256, (2,2,2), activation='relu', padding='same'))
model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))

model.add(Flatten())

model.add(Dense(1024))
model.add(Dropout(0.5))
model.add(Dense(1024))
model.add(Dropout(0.5))
model.add(Dense(4, activation='softmax'))

model.summary()

【讨论】：