具有keras的Deep Net用于图像分割

2 回答

• 2

  将32个通道合并为3的最简单方法是添加另一个卷积，这次使用三个滤波器（我任意设置滤波器大小为1x1）：

  model = Sequential()
  model.add(Convolution2d(32, 16, 16, input_shape=(3, 256, 256))
  model.add(Convolution2d(3, 1, 1))
  

  然后最后添加激活功能进行分割

  model.add(Activation("tanh"))
  

  或者，如果你想使用 activation 参数（任意选择为tanh），你可以一次性添加所有内容

  model = Sequential()
  model.add(Convolution2d(32, 16, 16, input_shape=(3, 256, 256))
  model.add(Convolution2d(3, 1, 1,activation="tanh"))
  

  https://keras.io/layers/convolutional/

  回复于 2024-05-17T10:30:26+08:00
• 1

  您必须在卷积层和密集层之间使用展平：

  model = Sequential()
  model.add(Convolution2d(32, 16, 16, input_shape=(3, 256, 256))
  # Do not forget to add an activation layer after your convolution layer, so here.
  
  model.add(Flatten())
  
  model.add(Dense(3))
  model.add(Activation("sigmoid")) # whatever activation you want.
  

  回复于 2024-05-17T10:30:26+08:00