如何修改 CNN 的输入形状？

Question

我正在关注this 论文以创建超分辨率 CNN。该论文将训练图像拆分为较小的子图像进行训练。为此，我使用了 96x96 的子图像大小。我的模型如下所示：

    model = tf.keras.Sequential()

    # features
    model.add(Conv2D(d, 5, input_shape=(96, 96, 1), padding="same"))
    model.add(PReLU())

    # shrinking
    model.add(Conv2D(s, 1, padding="same"))
    model.add(PReLU())

    ... more convolution layers

    model.add(Conv2DTranspose(1, 9, strides=scale_factor, padding="same"))

这给出了一个按比例因子放大的输出图像。这可以正常工作，并且在经过训练后会输出高质量的图像。但是，我只能输入 96x96 的图像。我希望能够输入任何图像并获得正确的放大输出。问题在于 PReLU 激活层的参数数量随输入大小而变化。我假设使用 ReLU 可以避免这个问题，因为不会有额外的参数。但是，论文作者似乎避免了这个问题，我也想这样做。

那么有什么方法可以让我传递任意大小的图像吗？我似乎无法弄清楚论文作者是如何做到的

Answer 1

据我了解，您在特定的输入大小上训练您的网络，然后它不能处理任意图像，因为它只接受分辨率（输入大小）。如果您希望它处理任意图像，则必须添加一个函数，该函数将在图像进入您的 CNN 之前调整其大小。