在转换层上传递正确大小的神经元

Question

我已开始根据下图开发FCNet：

输入层的图像大小为（500,500,3），第一个转换层为（698,698,3）。编写代码进行检查，我收到了（498,498,3）。我该如何进行呢？

遵循我的使用keras实现的代码部分。 这只是卷积的第一步。

from keras.models import *
from keras.layers import *
from keras.optimizers import *

def network(input_size=(IMAGE_SIZE,IMAGE_SIZE,3)):
    inputs = Input(input_size)
    conv1 = Conv2D(64, 3,  kernel_initializer='he_normal', activation='relu',padding='valid')(inputs)
    conv1 = Conv2D(64, 3,  kernel_initializer='he_normal', activation='relu',padding='valid')(conv1)
    pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)

    model = Model(input=inputs, output=pool1)


    model.summary()

这里是模型摘要的输出。

Answer 1

在这种情况下，他们正在执行零填充以适合卷积层。

尝试一下：

IMAGE_SIZE=500

def network(input_size=(IMAGE_SIZE,IMAGE_SIZE,3)):
    inputs = Input(input_size)
    zero = ZeroPadding2D(padding=(100, 100), data_format=None)(inputs)
    conv1 = Conv2D(64, 3,  kernel_initializer='he_normal', activation='relu')(zero)
    conv1 = Conv2D(64, 3,  kernel_initializer='he_normal', 
    activation='relu',padding='same')(conv1)
    pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)
    model = Model(input=inputs, output=pool1)
    model.summary()

因此在下一层中，您可以再次使用padding ='same'