Question

我正在尝试使用ResNet50预训练的网络来解决细分问题。我删除最后一层并添加所需的层。但是当我尝试适应时，出现以下错误：

ValueError：检查目标时出错：预期conv2d_1的形状为（16，16，1），但数组的形状为（512，512，1）

我有两个文件夹：图像和蒙版。图像为RGB，蒙版为灰度。所有图片的形状均为512x512。我不知道我在哪一部分做错了。

任何帮助将不胜感激。

from keras.applications.resnet50 import ResNet50
image_input=Input(shape=(512, 512, 3))
model = ResNet50(input_tensor=image_input,weights='imagenet',include_top=False)
x = model.output
x = Conv2D(1, (1,1), padding="same", activation="sigmoid")(x)
model = Model(inputs=model.input, outputs=x)
model.summary()

conv2d_1 (Conv2D)           (None, 16, 16, 1)    2049 activation_49[0][0]              

for layer in model.layers[:-1]:
    layer.trainable = False

for layer in model.layers[-1:]:
    layer.trainable = True
model.compile(optimizer=Adam(), loss='binary_crossentropy', metrics=['accuracy'])

Answer 1

您的网络的输出形状为(16, 16, 1)，但是您的y（目标）的形状为(512, 512, 1)

运行以下命令以查看此内容。

from keras.applications.resnet50 import ResNet50
from keras.layers import Input

image_input=Input(shape=(512, 512, 3))
model = ResNet50(input_tensor=image_input,weights='imagenet',include_top=False)
model.summary()

# Output shows that the ResNet50 network has output of shape (16,16,2048)

from keras.layers import Conv2D

conv2d = Conv2D(1, (1,1), padding="same", activation="sigmoid")
conv2d.compute_output_shape((None, 16, 16, 2048))

# Output shows the shape your network's output will have.

您的y或ResNet50的使用方式都必须改变。阅读有关ResNet50的信息，了解您缺少的内容。

keras预训练的ResNet50目标形状

1 个答案: