加载与在 Keras 中训练不同的输入大小的图像

Question

我正在开发一个处理超分辨率的 CNN。我需要从图像中提取补丁，然后在这些小补丁（即 41x41）上进行训练。

但是，在预测图像时，图像的尺寸大于补丁。但是 Keras 不允许我预测比训练图像更大的图像。

我已阅读Can Keras deal with input images with different size?。我已经尝试过将None 放入我的网络输入形状中，然后加载权重。但是，当涉及到这一行时：c1 = PReLU()(c1)，我得到了错误：nt() argument must be a string, a bytes-like object or a number, not 'NoneType'。代码附在下面。

我该如何解决这个问题？我正在使用带有 tensorflow 后端的 Keras。我没有全连接层，都是带relu的Conv2D，除了下面的sn-p，是c1的PReLU。

谢谢。

input_shape = (None,None,1)
x = Input(shape = input_shape)
c1 = Convolution2D(64, (3,3), init = 'he_normal', padding='same', name='Conv1')(x)
c1 = PReLU()(c1)
#............................
output_img = keras.layers.add([x, finalconv])
model = Model(x, output_img)

Answer 1

Keras 不允许我预测尺寸大于 训练图像

这是错误的，keras 允许您在网络设计正确时这样做。

但是，当涉及到这一行时：c1 = PReLU()(c1)，我得到了 错误：nt() 参数必须是字符串、类似字节的对象或 数字，而不是“NoneType”。

此错误是预期的，因为您的输入形状包含None。实际上，如果您之前将shared_axes=[1,2] 设置为PReLU（默认值shared_axes=None），您将不会看到此错误。

因此，这里真正的问题是 PReLU 的参数，以前只为 41x41 输入设置，但现在被要求为任意输入大小工作。

最好的解决方案是直接训练一个输入 shape = (None,None,3) 的新模型。

如果您不关心可能的降级，您可以加载预训练模型的所有层权重，PReLU 层除外。然后手动计算合适的PReLU参数可以在shared_axes =[1,2]之间共享，并将其用作新的PReLU参数。