Question

我需要像高斯噪声一样在喀拉拉邦实现盐和胡椒层，我尝试使用以下代码，但会产生一些错误。你能告诉我是什么问题吗？您对实施S＆P层还有其他建议吗？谢谢。

from keras.engine.topology import Layer

class SaltAndPepper(Layer):

    def __init__(self, ratio, **kwargs):
        super(SaltAndPepper, self).__init__(**kwargs)
        self.supports_masking = True
        self.ratio = ratio

    def call(self, inputs, training=None):
        def noised():
            r = self.ratio*10
            s = inputs.shape[1]
            n = int( s * r/10 )
            perm = np.random.permutation(r)[:n]
            inputs[perm] = (np.random.rand(n) > 0.5)
            return inputs

        return K.in_train_phase(noised(), inputs, training=training)

    def get_config(self):
        config = {'ratio': self.ratio}
        base_config = super(SaltAndPepper, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

回溯（最近通话最近一次）：

文件“”，第125行，在       encoded_noise = SaltAndPepper（0.5）（已解码）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ base_layer.py”，   第457行，致电       输出= self.call（输入，** kwargs）

文件“”，第57行，正在通话中       返回K.in_train_phase（noised（），输入，training = training）

文件“”，第52行，有噪点       n = int（s * r / 10）

TypeError：/：“ Dimension”和“ int”的不受支持的操作数类型

更新：

我使用@today的解决方案并编写了以下代码：

decoded_noise=call(0.05,bncv11)#16

哪个bncv11是之前的批处理规范化层的输出。

但是会产生此错误，为什么会发生？

回溯（最近通话最近一次）：

文件“”，第59行，在         encoded_noise = call（0.05，bncv11）＃16

文件“”在呼叫的第34行         返回K.in_train_phase（noised（），输入，training = training）

文件“”，第29行，有噪点         mask_select = K.random_binomial（shape = shp，p = self.ratio）

AttributeError：“浮动”对象没有属性“比率”


保存模型并使用它后，会产生此错误：

回溯（最近通话最近一次）：

文件“”，第1行，在       b = load_model（'Desktop / los4x4_con_tile_convolw_FBN_SigAct_SandPAttack05.h5'，custom_objects = {'tf'：tf}）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ saving.py”，   第419行，在load_model中       模型= _deserialize_model（f，custom_objects，compile）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ saving.py”，   _deserialize_model中的第225行       模型= model_from_config（model_config，custom_objects = custom_objects）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ saving.py”，   第458行，在model_from_config中       返回反序列化（config，custom_objects = custom_objects）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ layers__init __。py”，   第55行，反序列化       printable_module_name ='图层'）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ utils \ generic_utils.py”，   第145行，在deserialize_keras_object中       list（custom_objects.items（）））

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ network.py”，   第1022行，位于from_config中       process_layer（layer_data）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ network.py”，   第1008行，在process_layer中       custom_objects = custom_objects）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ layers__init __。py”，   第55行，反序列化       printable_module_name ='图层'）

文件   “ D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ utils \ generic_utils.py”，   第138行，在deserialize_keras_object中       '：'+ class_name）

ValueError：未知层：SaltAndPepper

我将此代码放入定义网络结构的程序中

from keras.engine.topology import Layer

class SaltAndPepper(Layer):

    def __init__(self, ratio, **kwargs):
        super(SaltAndPepper, self).__init__(**kwargs)
        self.supports_masking = True
        self.ratio = ratio

    # the definition of the call method of custom layer
    def call(self, inputs, training=True):
        def noised():
            shp = K.shape(inputs)[1:]
            mask_select = K.random_binomial(shape=shp, p=self.ratio)
            mask_noise = K.random_binomial(shape=shp, p=0.5) # salt and pepper have the same chance
            out = inputs * (1-mask_select) + mask_noise * mask_select
            return out

        return K.in_train_phase(noised(), inputs, training=training)

    def get_config(self):
        config = {'ratio': self.ratio}
        base_config = super(SaltAndPepper, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

Answer 1

在图像处理中，盐和胡椒粉噪声基本上会将随机选择的像素比率的值更改为盐（即白色，根据图像值的范围通常为1或255）或胡椒粉（即黑色，通常为0）。虽然，我们可以在图像处理之外的其他领域使用相同的想法。因此，您必须首先指定三件事：

应更改多少个像素？（噪声比）
应该选择和更改哪些像素？
应该选择其中哪些像素进行腌制（并添加其他像素）？

由于Keras后端中有一个函数，可以根据给定的概率从二项式分布（即0或1）生成随机值，因此我们可以通过生成两个掩码轻松完成上述所有步骤：一个用于选择具有给定比率的像素，另一个用于将盐或胡椒粉应用于这些选定像素。这是操作方法：

from keras import backend as K

# NOTE: this is the definition of the call method of custom layer class (i.e. SaltAndPepper)
def call(self, inputs, training=None):
    def noised():
        shp = K.shape(inputs)[1:]
        mask_select = K.random_binomial(shape=shp, p=self.ratio)
        mask_noise = K.random_binomial(shape=shp, p=0.5) # salt and pepper have the same chance
        out = inputs * (1-mask_select) + mask_noise * mask_select
        return out

    return K.in_train_phase(noised(), inputs, training=training)

请注意，上面的代码中我假设了几件事：

给定的噪声比值在[0,1]范围内。
如果您使用该层将其直接应用于图像，则必须注意它假定图像是灰度的（即单色通道）。要将其用于RGB图像（即三个颜色通道），您可能需要对其进行一些修改，以便选择具有所有通道的像素以添加噪声（尽管这取决于您定义和使用盐和胡椒噪声的方式））。
它假定盐的值为1，而胡椒的值为0。不过，通过更改定义，您可以轻松地将盐的值更改为x，将胡椒的值更改为y mask_noise中的内容，如下所示：
```
mask_noise = K.random_binomial(shape=shp, p=0.5) * (x-y) + y
```
相同的噪声模式应用于批次中的所有样本（但是，批次之间会有所不同）。

Answer 2

我认为不可能在模型中使用图层，但是在深度学习中，总会有一个称为图像预处理的过程，其中包括去除噪声，调整图像大小等，因此您可以在馈入图像之前对其进行预处理进入神经。

开放式简历库最适合解决此类问题

检查：https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_filtering/py_filtering.html

如何在Keras中实现Salt＆Pepper层？

2 个答案: