Я пытаюсь обучить мою модель, которая классифицирует изображения. Проблема у меня есть, у них разные размеры. Есть ли возможность тренировать эти изображения, не изменяя их размеры.Как тренировать изображения, когда они имеют разный размер?
Вы не сказали, о какой архитектуре вы говорите. Поскольку вы сказали, что хотите классифицировать изображения, я предполагаю, что это частично сверточная, частично полностью подключенная сеть, такая как AlexNet, GoogLeNet и т. Д. В общем, ответ на ваш вопрос зависит от типа сети, с которой вы работаете.
Если, например, ваша сеть содержит только сверточные единицы - то есть не содержит полностью подключенных слоев - это может быть инвариантным к размеру входного изображения. Такая сеть может обрабатывать входные изображения и, в свою очередь, возвращать другое изображение («сверточное полностью»); вы должны убедиться, что результат соответствует тому, что вы ожидаете, так как вы должны каким-то образом определить потерю.
Если вы используете полностью подключенные устройства, тем не менее, у вас есть проблемы: здесь у вас есть фиксированное количество узнаваемых весов, с которыми ваша сеть должна работать, поэтому для разных входов потребуется различное количество весов - и это не так возможное.
Если это ваша проблема, вот некоторые вещи, которые вы можете сделать:
N на различные изображения правильного размера.Опция дополнения может создать дополнительный источник ошибок для прогнозирования сети, поскольку сеть может (предположительно будет выглядеть) быть смещенной к изображениям, которые содержат такую дополненную границу. Если вам нужны какие-то идеи, посмотрите раздел Images документации TensorFlow, есть такие штуки, как resize_image_with_crop_or_pad, которые забирают большую работу.
Что касается просто не заботясь о выжимании, here's кусок предварительной обработки трубопровода известной сети Начального:
# This resizing operation may distort the images because the aspect
# ratio is not respected. We select a resize method in a round robin
# fashion based on the thread number.
# Note that ResizeMethod contains 4 enumerated resizing methods.
# We select only 1 case for fast_mode bilinear.
num_resize_cases = 1 if fast_mode else 4
distorted_image = apply_with_random_selector(
distorted_image,
lambda x, method: tf.image.resize_images(x, [height, width], method=method),
num_cases=num_resize_cases)
Они полностью осведомлены об этом и сделать это в любом случае.
В зависимости от того, насколько вы хотите, или нужно идти, там на самом деле это бумага here называется Spatial Пирамида Pooling в глубоких сверточных сетях для визуального распознавания, который обрабатывает входы произвольных размеров путем обработки их особым образом.
Попробуйте создать слой пула пространственной пирамиды. Затем поместите его после вашего последнего слоя свертки, чтобы слои FC всегда получали постоянные размерные векторы в качестве входных данных. Во время обучения подготовьте изображения из всего набора данных, используя определенный размер изображения за одну эпоху. Затем на следующую эпоху переключитесь на другой размер изображения и продолжите обучение.
Пожалуйста, покажите, что вы пробовали до сих пор, и то, что, похоже, не работает на вас. –
И bam там идет код Inception v4. Я не согласен с этим замечанием. Немного больше ввода было бы неплохо - как то, о какой сети мы говорим, - но нисходящие нити не оправданы вообще. Это реальная проблема. – sunside
Вопрос в том, как ImageNet форматирует данные своих изображений, чтобы быть полезными для обучения? – mskw