0

我尝试使用本教程执行语义分割： https ://github.com/nikhilroxtomar/UNet-Segmentation-in-Keras-TensorFlow/blob/master/unet-segmentation.ipynb 我修改了一点他的笔记本，但我成功地训练了50% 准确率的模型。

我已经尝试重塑输入数组，但它不起作用。这是代码：

test =  X_train[0]
test.shape
>>> (480, 640, 4)
parallel_model.predict(test)
>>> ValueError: Error when checking input: expected input_3 to have 4 dimensions, but got array with shape (480, 640, 4)

这是模型：

def UNet():
    f = [16, 32, 64, 128, 256]
    inputs = keras.layers.Input((480, 640, 4))

    p0 = inputs
    c1, p1 = down_block(p0, f[0]) #128 -> 64
    c2, p2 = down_block(p1, f[1]) #64 -> 32
    c3, p3 = down_block(p2, f[2]) #32 -> 16
    c4, p4 = down_block(p3, f[3]) #16->8

    bn = bottleneck(p4, f[4])

    u1 = up_block(bn, c4, f[3]) #8 -> 16
    u2 = up_block(u1, c3, f[2]) #16 -> 32
    u3 = up_block(u2, c2, f[1]) #32 -> 64
    u4 = up_block(u3, c1, f[0]) #64 -> 128

    outputs = keras.layers.Conv2D(4, (1, 1), padding="same", activation="sigmoid")(u4)
    model = keras.models.Model(inputs, outputs)
    return model

我知道这是一个菜鸟错误，但我真的很想解决它！

4

1 回答 1

0

Keras 使用“批量”，从不使用单个图像。

这意味着它需要 4 个维度(batch_size, 480, 640, 4)。

如果您要使用单个图像进行预测，那么您需要带有 shape 的输入数组(1, 480, 640, 4)。 

test =  X_train[0]
test.shape
>>> (480, 640, 4)
test = test.reshape((-1, 480, 640, 4))
test.shape
>>> (1, 480, 640, 4)

现在你可以了parallel_model.predict(test) 。

于 2019-09-07T20:59:31.790 回答