在张量流中合并相邻像素的 RMSE 计算

Question

我正在使用 tensorflow 和 Keras 训练 FCNN，我目前使用 RMSE 进行验证：

import tensorflow
from tensorflow.python.keras import backend
def rmse(y_true, y_pred):
    return backend.sqrt(backend.mean(backend.square(y_pred - y_true)))

但我不想逐像素比较，而是想计算包含相邻像素的 RMSE，这意味着对于每个像素，将考虑 y_true 中的相同对应像素加上它的 3x3 或 5x5 相邻像素来计算误差像素.

如何在 keras 中实现它？

Answer 1

而不是这样做：

def rmse(y_true, y_pred):
    return backend.sqrt(backend.mean(backend.square(y_pred - y_true)))

你可以试试 :

avg_pool = tf.keras.layers.AveragePooling2D(pool_size=(2, 2),
strides=(1, 1), padding='valid'))

def rmse(y_true, y_pred):
    return backend.sqrt(backend.mean(backend.square(avg_pool(y_pred) - avg_pool(y_true))))

在张量流中合并相邻像素的 RMSE 计算

RMSE computation incorporating neighboring pixels in tensorflow

python

deep-learning

keras

tensorflow

tf.keras