【问题标题】:ValueError: Input 0 of layer sequential_16 is incompatible with the layer: expected ndim=5, found ndim=4. Full shape received: [None, 224, 224, 3]ValueError: 层序贯_16 的输入 0 与层不兼容:预期 ndim=5,发现 ndim=4。收到的完整形状:[None, 224, 224, 3]
【发布时间】:2020-08-31 17:01:45
【问题描述】:

我正在使用 MobileNet 的迁移学习,然后将提取的特征发送到 LSTM 进行视频数据分类。

当我使用 image_dataset_from_directory() 设置训练、测试、验证数据集时,图像被调整为 (224,224)。

编辑: 所以我需要填充数据序列,但是这样做时会出现以下错误,我不太确定在使用 image_dataset_from_directory() 时该怎么做:

train_dataset = sequence.pad_sequences(train_dataset, maxlen=BATCH_SIZE, padding="post", truncating="post")

InvalidArgumentError: assertion failed: [Unable to decode bytes as JPEG, PNG, GIF, or BMP]
     [[{{node decode_image/cond_jpeg/else/_1/decode_image/cond_jpeg/cond_png/else/_20/decode_image/cond_jpeg/cond_png/cond_gif/else/_39/decode_image/cond_jpeg/cond_png/cond_gif/Assert/Assert}}]] [Op:IteratorGetNext]

我检查了 train_dataset 类型:

<BatchDataset shapes: ((None, None, 224, 224, 3), (None, None)), types: (tf.float32, tf.int32)>

全局变量:

TARGETX = 224
TARGETY = 224
CLASSES = 3
SIZE = (TARGETX,TARGETY)
INPUT_SHAPE = (TARGETX, TARGETY, 3)
CHANNELS = 3
NBFRAME = 5
INSHAPE = (NBFRAME, TARGETX, TARGETY, 3)

手机网功能:

def build_mobilenet(shape=INPUT_SHAPE, nbout=CLASSES):
    # INPUT_SHAPE = (224,224,3)
    # CLASSES = 3
    model = MobileNetV2(
        include_top=False,
        input_shape=shape,
        weights='imagenet')
    base_model.trainable = True
    output = GlobalMaxPool2D()
    return Sequential([model, output])

LSTM 函数:

def action_model(shape=INSHAPE, nbout=3):
    # INSHAPE = (5, 224, 224, 3)
    convnet = build_mobilenet(shape[1:])
    
    model = Sequential()
    model.add(TimeDistributed(convnet, input_shape=shape))
    model.add(LSTM(64))
    model.add(Dense(1024, activation='relu'))
    model.add(Dropout(.5))
    model.add(Dense(512, activation='relu'))
    model.add(Dropout(.5))
    model.add(Dense(128, activation='relu'))
    model.add(Dropout(.5))
    model.add(Dense(64, activation='relu'))
    model.add(Dense(nbout, activation='softmax'))
    return model
model = action_model(INSHAPE, CLASSES)
model.summary()
Model: "sequential_16"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
time_distributed_6 (TimeDist (None, 5, 1280)           2257984   
_________________________________________________________________
lstm_5 (LSTM)                (None, 64)                344320    
_________________________________________________________________
dense_45 (Dense)             (None, 1024)              66560     
_________________________________________________________________
dropout_18 (Dropout)         (None, 1024)              0         
_________________________________________________________________
dense_46 (Dense)             (None, 512)               524800    
_________________________________________________________________
dropout_19 (Dropout)         (None, 512)               0         
_________________________________________________________________
dense_47 (Dense)             (None, 128)               65664     
_________________________________________________________________
dropout_20 (Dropout)         (None, 128)               0         
_________________________________________________________________
dense_48 (Dense)             (None, 64)                8256      
_________________________________________________________________
dense_49 (Dense)             (None, 3)                 195       
=================================================================
Total params: 3,267,779
Trainable params: 3,233,667
Non-trainable params: 34,112

【问题讨论】:

  • 数据集。如果只是一批图像,那就是问题所在。
  • 根据错误的说法。您正在尝试提供类似 (32, 224, 224, 3) 的内容,但您的模型需要 (32, 5, 224, 224, 3)
  • 那么必须来自INSHAPE,它的形状应该是(224,224,3)。我正在阅读一篇文章中的代码,他们将帧数作为序列发送到他们的模型中。我会试试看它是否有效。

标签: python tensorflow keras deep-learning


【解决方案1】:

你的模特很好。问题在于您提供数据的方式。

您的型号代码:

import tensorflow as tf
import keras
from keras.layers import GlobalMaxPool2D, TimeDistributed, Dense, Dropout, LSTM
from keras.applications import MobileNetV2
from keras.models import Sequential
import numpy as np
from keras.preprocessing.sequence import pad_sequences

TARGETX = 224
TARGETY = 224
CLASSES = 3
SIZE = (TARGETX,TARGETY)
INPUT_SHAPE = (TARGETX, TARGETY, 3)
CHANNELS = 3
NBFRAME = 5
INSHAPE = (NBFRAME, TARGETX, TARGETY, 3)

def build_mobilenet(shape=INPUT_SHAPE, nbout=CLASSES):
    # INPUT_SHAPE = (224,224,3)
    # CLASSES = 3
    model = MobileNetV2(
        include_top=False,
        input_shape=shape,
        weights='imagenet')
    model.trainable = True
    output = GlobalMaxPool2D()
    return Sequential([model, output])

def action_model(shape=INSHAPE, nbout=3):
    # INSHAPE = (5, 224, 224, 3)
    convnet = build_mobilenet(shape[1:])
    
    model = Sequential()
    model.add(TimeDistributed(convnet, input_shape=shape))
    model.add(LSTM(64))
    model.add(Dense(1024, activation='relu'))
    model.add(Dropout(.5))
    model.add(Dense(512, activation='relu'))
    model.add(Dropout(.5))
    model.add(Dense(128, activation='relu'))
    model.add(Dropout(.5))
    model.add(Dense(64, activation='relu'))
    model.add(Dense(nbout, activation='softmax'))
    return model    

现在让我们用一些虚拟数据来试试这个模型:

因此,您的模型接受一系列图像(即视频的帧)并将它们(视频)分类为 3 个类别之一。

让我们创建一个虚拟数据,其中包含 4 个视频,每个视频 10 帧,即批量大小 = 4,时间步长 = 10

X = np.random.randn(4, 10, TARGETX, TARGETY, 3)
y = model(X)
print (y.shape)

输出:

(4,3)

正如预期的那样,输出大小是(4,3)

现在您在使用image_dataset_from_direcctory 时将面临的问题将是如何批处理可变长度视频,因为每个视频中的帧数会/可能会有所不同。处理方式是使用pad_sequences

例如,如果第一个视频有 10 帧,第二个有 9 帧,依此类推,您可以执行以下操作

X = [np.random.randn(10, TARGETX, TARGETY, 3), 
     np.random.randn(9, TARGETX, TARGETY, 3), 
     np.random.randn(8, TARGETX, TARGETY, 3), 
     np.random.randn(7, TARGETX, TARGETY, 3)]

X = pad_sequences(X)
y = model(X)
print (y.shape)

输出:

(4,3)

因此,一旦您使用 image_dataset_from_direcctory 读取图像,您就必须将可变长度帧填充到批处理中。

【讨论】:

  • 所以我必须在训练模型之前将 pad_sequences() 应用于我的训练、测试和验证数据集?我对帧数的部分有点困惑,因为我的初始数据集有很多每个类别的视频(每个 60 个,每个大约 10 分钟长,我每 5 秒拍一帧)然后在处理它们后我合并将它们放入每个类别的大文件夹中。
  • 是的,因此根据视频的长度,您将拥有不同的帧数。因此,当您创建批次时,您必须填充较短的帧。这是因为批次中的所有样本都应该具有相同的时间步数。您可以将批量大小设置为 1 而不必担心填充,但这会减慢您的训练时间。
  • 好的,所以我需要填充帧序列,以便在所有批次中保持固定的形状。这不就像在 NLP 中那样,随着句子长度的变化,单词序列被填充以给出一个固定的序列?
  • 没错,这和你处理可变长度句子的方式一样。事实上,所有使用 RNN 的模型都必须处理这个问题。
  • 嘿,你能检查一下编辑过的帖子吗?我在填充框架时遇到问题。
猜你喜欢
  • 2021-06-16
  • 2021-04-09
  • 2021-12-10
  • 2022-06-15
  • 2021-05-10
  • 2021-08-25
  • 2020-11-15
  • 2020-03-20
  • 2021-03-22
相关资源
最近更新 更多