首页 文章

Tensorflow CNN训练图像都是不同的大小

提问于
浏览 次
11

我创建了一个深度卷积神经网络来对图像中的各个像素进行分类 . 我的训练数据总是相同的大小（32x32x7），但我的测试数据可以是任何大小 .

Github Repository

目前，我的模型只适用于相同大小的图像 . 我已经广泛使用了tensorflow mnist tutorial来帮助我构建我的模型 . 在本教程中，我们仅使用28x28图像 . How would the following mnist model be changed to accept images of any size?

x = tf.placeholder(tf.float32, shape=[None, 784])
 y_ = tf.placeholder(tf.float32, shape=[None, 10])
 W = tf.Variable(tf.zeros([784,10]))
 b = tf.Variable(tf.zeros([10]))
 x_image = tf.reshape(x, [-1, 28, 28, 1])

为了使事情变得更复杂，我的模型已经转置了需要指定输出形状的卷积 . 如何调整以下代码行，以便转置卷积将输出与输入大小相同的形状 .

DeConnv1 = tf.nn.conv3d_transpose(layer1, filter = w, output_shape = [1,32,32,7,1], strides = [1,2,2,2,1], padding = 'SAME')
python tensorflow deep-learning conv-neural-network deconvolution

3 回答

  • 5

    不幸的是，没有办法在Tensorflow中构建动态图形（您可以尝试使用fold，但这不在问题的范围内） . 这有两个选择：

    • Bucketing：您可以用几个手工挑选的尺寸创建多个输入张量，然后在运行时选择正确的铲斗（参见示例） . 无论哪种方式，你可能都需要第二种选择 . Seq2seq with bucketing

    • 调整输入和输出图像的大小 . 假设图像都保持相同的宽高比，您可以尝试在推断之前调整图像大小 . 不知道为什么你关心输出，因为MNIST是一个分类任务 .

    无论哪种方式，您都可以使用相同的方法：

    from PIL import Image

basewidth = 28 # MNIST image width
img = Image.open('your_input_img.jpg')
wpercent = (basewidth/float(img.size[0]))
hsize = int((float(img.size[1])*float(wpercent)))
img = img.resize((basewidth,hsize), Image.ANTIALIAS)

# Save image or feed directly to tensorflow 
img.save('feed_to_tf.jpg')
    回复于
  • 0

    您提到的mnist模型代码是使用FC网络而不是卷积网络的示例 . [None，784]的输入形状是针对mnist尺寸（28 x 28）给出的 . 该示例是具有固定输入大小的FC网络 .

    您在FC网络中无法提出要求，因为权重和偏差的数量取决于输入形状 . 如果您使用完全卷积架构，这是可能的 . 所以我的建议是使用完全卷积结构，以便权重和偏差不依赖于输入形状

    回复于
  • 1

    添加到@gidim's answer，以下是如何在Tensorflow中调整图像大小，并将结果直接提供给您的推理 . 注意：此方法会缩放和扭曲图像，这可能会增加您的损失 .

    所有功劳都归功于Prasad Pai's article on Data Augmentation .

    import tensorflow as tf
import numpy as np
from PIL import Image

IMAGE_SIZE = 32
CHANNELS = 1

def tf_resize_images(X_img_file_paths):
    X_data = []
    tf.reset_default_graph()
    X = tf.placeholder(tf.float32, (None, None, CHANNELS))
    tf_img = tf.image.resize_images(X, (IMAGE_SIZE, IMAGE_SIZE), 
                                    tf.image.ResizeMethod.NEAREST_NEIGHBOR)
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())

        # Each image is resized individually as different image may be of different size.
        for index, file_path in enumerate(X_img_file_paths):
            img = Image.open(file_path)
            resized_img = sess.run(tf_img, feed_dict = {X: img})
            X_data.append(resized_img)

    X_data = np.array(X_data, dtype = np.float32) # Convert to numpy
    return X_data
    回复于

相关问题