3

我是机器学习的新手。实际上，我使用我的 unet 代码使用一张输入图像切片 (192x912) 和一张输出蒙版图像 (192x192) 进行图像分割

我的 Unet 代码包含多个 CNN 层，我通常使用一张输入图像 (192x912) 和一张其对应的掩码二进制图像进行训练。与上述说明相关的代码如下。

def get_unet():
    inputs = Input((img_rows, img_cols, 1))
    conv1 = Conv2D(32, (3, 3), activation='relu', padding='same')(inputs)
    conv1 = Conv2D(32, (3, 3), activation='relu', padding='same')(conv1)
    pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)
    drop1 = Dropout(0.2)(pool1)

    conv2 = Conv2D(64, (3, 3), activation='relu', padding='same')(drop1)
    conv2 = Conv2D(64, (3, 3), activation='relu', padding='same')(conv2)
    pool2 = MaxPooling2D(pool_size=(2, 2))(conv2)
    drop2 = Dropout(0.2)(pool2)
    '''''''
    return model

model.fit(imgs_train, imgs_mask_train, batch_size=32, epochs=100, verbose=2, shuffle=True, validation_split=0.1, callbacks=[model_checkpoint])

它运作良好。但是，现在，我想在训练我的网络时使用多输入图像。所以，我添加了另一个火车数据并编辑我的代码，如下所示。

def get_unet():
        inputs = Input((img_rows, img_cols, 1))
        conv1 = Conv2D(32, (3, 3), activation='relu', padding='same')(inputs)
        conv1 = Conv2D(32, (3, 3), activation='relu', padding='same')(conv1)
        pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)
        drop1 = Dropout(0.2)(pool1)

        conv2 = Conv2D(64, (3, 3), activation='relu', padding='same')(drop1)
        conv2 = Conv2D(64, (3, 3), activation='relu', padding='same')(conv2)
        pool2 = MaxPooling2D(pool_size=(2, 2))(conv2)
        drop2 = Dropout(0.2)(pool2)
        '''''''
        return model

    model.fit([imgs_train, imgs_other_train], imgs_mask_train, batch_size=32, epochs=100, verbose=2, shuffle=True, validation_split=0.1, callbacks=[model_checkpoint])

但是当我运行火车代码时，我收到如下错误消息。“ValueError：检查模型输入时出错：您传递给模型的 Numpy 数组列表不是模型预期的大小。预计会看到 1 个数组，但得到了以下 2 个数组的列表：”

我认为我的 U net 需要更改为多输入，但我不知道我必须更改哪里。请帮助并给我任何意见。谢谢。

4

1 回答 1

0

这实际上相当容易。我相信你需要做的就是调整你的输入大小。

inputs = Input((img_rows, img_cols, size))本来可以的。或者你可以使用 concat 像：

inputs = []
for _ in range(num_inputs):
    inputs.append(Input((self.input_height, self.input_width, self.input_features)))
x = concatenate(inputs)
x = Conv2D(32, (3, 3), activation='relu', padding='same')(x)

你可以检查我在这里实现的类似的东西

于 2020-09-24T08:45:04.160 回答