更改VGG16应用程序的输入张量形状
更改VGG16应用程序的输入张量形状
提问于 2017-01-28 05:10:48
我想将形状(160,320,3)的图像馈送到
VGG16(input_tensor=input_tensor, include_top=False) 如何包含将图像重塑为VGG16模型所期望的形状的层，即(224,224,3)？
回答 3
Stack Overflow用户
回答已采纳
发布于 2017-01-28 08:51:40
VGG16模型本身只是固定的层序列和固定的卷积核大小等的一组权重，这并不意味着这些卷积核不能应用于其他大小的图像。
例如，在您的案例中：
from keras.models import Model
from keras.layers import Dense,Flatten
from keras.applications import vgg16
from keras import backend as K
model = vgg16.VGG16(weights='imagenet', include_top=False, input_shape=(160,320,3))
model.summary(line_length=150)
flatten = Flatten()
new_layer2 = Dense(10, activation='softmax', name='my_dense_2')
inp2 = model.input
out2 = new_layer2(flatten(model.output))
model2 = Model(inp2, out2)
model2.summary(line_length=150)根据here的说法，最小图像大小可以是48x48x3，超过这个值的任何值都可以。
现在，原始权重确实是在224,224,3形状的图像上学习的，但过滤器权重对于新图像集的新任务来说是非常好的起点。您确实需要重新训练网络，但网络会非常快地收敛。这是迁移学习的基础。
Stack Overflow用户
发布于 2018-02-12 21:23:10
您需要做两件事：
- 通过为图像宽度和高度定义None来显式声明输入形状具有可变大小的输入。
- 不使用flatten()，因为它依赖于固定的输入形状。取而代之的是使用GlobalMaxPooling，它不仅可以进行自适应池化，还可以使FC的输入张量扁平化。
我希望这能帮助你实现你想要的东西。
Stack Overflow用户
发布于 2019-09-25 21:49:34
可以使用Opencv库的resize()函数。
import cv2
width = int(224)
height = int(224)
dim = (width, height)
'''images contains original dimension image array'''
resized_images=[]
for i in range(0,images.shape[0]):
resized = cv2.resize(images[i], dim, interpolation = cv2.INTER_AREA)
resized_images.append(resized)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41903051
复制相关文章
相似问题
腾讯云开发者
