keras 预训练的 ResNet50 目标形状

Question

我正在尝试使用 ResNet50 预训练网络来解决分割问题。我删除最后一层并添加我想要的层。但是当我尝试适应时，出现以下错误：

ValueError：检查目标时出错：预期 conv2d_1 的形状为 (16, 16, 1) 但得到的数组形状为 (512, 512, 1)

我有两个文件夹：images 和 masks。图像是 RGB，蒙版是灰度的。所有图像的形状都是 512x512。我不知道我哪里做错了。

任何帮助将不胜感激。

from keras.applications.resnet50 import ResNet50
image_input=Input(shape=(512, 512, 3))
model = ResNet50(input_tensor=image_input,weights='imagenet',include_top=False)
x = model.output
x = Conv2D(1, (1,1), padding="same", activation="sigmoid")(x)
model = Model(inputs=model.input, outputs=x)
model.summary()

conv2d_1 (Conv2D)           (None, 16, 16, 1)    2049 activation_49[0][0]              

for layer in model.layers[:-1]:
    layer.trainable = False

for layer in model.layers[-1:]:
    layer.trainable = True
model.compile(optimizer=Adam(), loss='binary_crossentropy', metrics=['accuracy'])

Answer 1

您的网络输出形状为 (16, 16, 1)，但您的 y（目标）的形状为 (512, 512, 1)

运行下面看这个

from keras.applications.resnet50 import ResNet50
from keras.layers import Input

image_input=Input(shape=(512, 512, 3))
model = ResNet50(input_tensor=image_input,weights='imagenet',include_top=False)
model.summary()

# Output shows that the ResNet50 network has output of shape (16,16,2048)

from keras.layers import Conv2D

conv2d = Conv2D(1, (1,1), padding="same", activation="sigmoid")
conv2d.compute_output_shape((None, 16, 16, 2048))

# Output shows the shape your network's output will have.

您的 y 或您使用 ResNet50 的方式必须改变。阅读有关 ResNet50 的信息，看看您缺少什么。

keras 预训练的 ResNet50 目标形状

keras pre-trained ResNet50 target shape

keras

keras-layer