在keras里實現(xiàn)自定義上采樣層
Keras里的UpSampling2D層不是中的雙線性內(nèi)插,而是簡單的重復圖像。這點和pytorch不一樣,pytorch默認使用的是雙線性內(nèi)插。
同樣:這里仍然使用的是keras而不是tf.keras.
keras里UpSampling2D的部分定義說明如下:
class UpSampling2D(Layer): """Upsampling layer for 2D inputs. Repeats the rows and columns of the data by size[0] and size[1] respectively.
可以看出,這里的上采樣確實只是簡單的圖像重復。
要想使用雙線性或者最近鄰或者雙三次插值上采樣,則需要在tf的tf.image.resize_images函數(shù)基礎上進行包裝,代碼如下:
####定義: def my_upsampling(x,img_w,img_h,method=0): """0:雙線性差值。1:最近鄰居法。2:雙三次插值法。3:面積插值法""" return tf.image.resize_images(x,(img_w,img_h),0) ###調(diào)用: Lambda(my_upsampling,arguments={'img_w':self.img_w,'img_h':self.img_h})(output_6) ###load_model時注意加上tf: model = keras.models.load_model('my_model.h5', custom_objects={'tf': tf})
補充知識:keras中使用內(nèi)置模型語義分割上采樣維度不匹配
1.卷積時要使用padding=same因此要修改原來的padding=valid
x = conv2d_bn(img_input, 32, 3, strides=2, padding='same')
2.池化時卷積核大小修改為2而不是原來的3
branch_pool = layers.MaxPooling2D(2, strides=2, padding='same')(x)
以上這篇在keras里實現(xiàn)自定義上采樣層就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
Python數(shù)據(jù)結(jié)構(gòu)之棧、隊列的實現(xiàn)代碼分享
這篇文章主要介紹了Python數(shù)據(jù)結(jié)構(gòu)之棧、隊列的實現(xiàn)代碼分享,具有一定參考價值,需要的朋友可以了解下。2017-12-12TensorFlow實現(xiàn)Batch Normalization
這篇文章主要為大家詳細介紹了TensorFlow實現(xiàn)Batch Normalization,具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-03-03python pygame實現(xiàn)球球大作戰(zhàn)
這篇文章主要為大家詳細介紹了Python pygame實現(xiàn)球球大作戰(zhàn),文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下2019-11-11