keras预先训练了ResNet50目标形状

Question

我正在尝试使用ResNet50 Pretrained网络进行分段问题。我删除了最后一层并添加了我想要的图层。但是当我尝试适应时，我收到以下错误：

ValueError：检查目标时出错：预期conv2d_1具有形状（16,16,1）但是具有形状的数组（512,512,1）

我有两个文件夹：图像和面具。图像为RGB，掩模为灰度。所有图像的形状均为512x512。我无法确定我做错了哪一部分。

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

你的网络提供了形状(16, 16, 1)的输出，但你的y（目标）有形状(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或您使用ResNet50的方式必须改变。阅读有关ResNet50的信息，了解您所缺少的内容。