问在CNN中对[32x32x6]层进行上采样的正确方法是什么
EN

Stack Overflow用户

提问于 2020-07-16 15:56:21

回答 2查看 471关注 0票数 0

我有一台CNN，它能产生6个通道的32x32图像，但我需要将其上采样到256x256。我在做：

def upsample(filters, size):
  initializer = tf.random_normal_initializer(0., 0.02)

  result = tf.keras.Sequential()
  result.add(tf.keras.layers.Conv2DTranspose(filters, size, strides=2,
                                             padding='same',
                                             kernel_initializer=initializer,
                                             use_bias=False))
  return result

然后我像这样传递这一层：

up_stack = [
upsample(6, 3),  # x2
upsample(6, 3),  # x2
upsample(6, 3)   # x2
]

for up in up_stack:
  finalLayer = up(finalLayer)

但是这种设置会产生不准确的结果。我有什么地方做错了吗？

tensorflow

conv-neural-network

数字工厂场景解决方案

帮助企业实现数字化、智能化，解决企业工厂内设备数据采集、设备指标分析、企业信息系统间数据孤岛打通、数据应用困难的问题

回答 2

Stack Overflow用户

发布于 2020-07-16 16:43:44

你的另一个选择是为了你的目的使用tf.keras.layers.UpSampling2D，但这不会学习一个内核来进行上采样(它使用双线性上采样)。

所以，你的方法是正确的。但是，您已经将kernel_size用作3x3。

它应该是2x2，如果您对结果不满意，您应该将过滤器的数量从32,256增加。

票数 2

Stack Overflow用户

发布于 2020-07-16 17:12:18

如果您希望使用up-convolution，我将建议您执行以下操作来实现您想要的效果。按照代码运行，只需根据需要更改filter即可。

import tensorflow as tf
from tensorflow.keras import layers

# in = 32x32 out 256x256

inputs = layers.Input(shape=(32, 32, 6))

deconc01 = layers.Conv2DTranspose(256, kernel_size=2, strides=(2, 2), activation='relu')(inputs)
deconc02 = layers.Conv2DTranspose(256, kernel_size=2, strides=(2, 2), activation='relu')(deconc01)
outputs = layers.Conv2DTranspose(256, kernel_size=2, strides=(2, 2), activation='relu')(deconc02)

model = tf.keras.Model(inputs=inputs, outputs=outputs, name="up-conv")

Model: "up-conv"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         [(None, 32, 32, 6)]       0         
_________________________________________________________________
conv2d_transpose (Conv2DTran (None, 64, 64, 256)       6400      
_________________________________________________________________
conv2d_transpose_1 (Conv2DTr (None, 128, 128, 256)     262400    
_________________________________________________________________
conv2d_transpose_2 (Conv2DTr (None, 256, 256, 256)     262400    
=================================================================
Total params: 531,200
Trainable params: 531,200
Non-trainable params: 0
_________________________________________________________________