python - TensorFlow 中的 FCN 缺少裁剪层

Question

我目前正在尝试实现 FCN for semantic segmentation在 TensorFlow 中，就像以前在 Caffe 中所做的那样 here .

不幸的是，我正在为以下三件事而苦苦挣扎:

1) 如何将“反卷积”层从 Caffe 映射到 TensorFlow？ tf.nn.conv2d_transpose 是否正确？

2) 如何将“裁剪”层从 Caffe 映射到 TensorFlow？不幸的是，我在 TensorFlow 中看不到任何替代方案。 TensorFlow 中是否有对应的方法？

3)Caffe SoftmaxWithLoss 是否对应于 TensorFlow softmax_cross_entropy_with_logits？

提前感谢您的任何建议、提示和帮助。

2016 年 5 月 9 日编辑:

1) 我发现 tf.nn.conv2_transpose 确实对应于反卷积层。

2) 现在裁剪层似乎真的是个问题。我发现确实存在 tf.image.resize_image_with_crop_or_pad ，但这似乎无法用于此目的，因为它不能用于动态创建的张量，也不能用于您需要在 tf.nn.conv2_transpose 层之后使用的 4D 张量。

更多信息可能在:https://github.com/tensorflow/tensorflow/issues/2049

2016 年 5 月 17 日编辑:

我听从了@24hours 的建议并在 tensorflow 中构建了 FCN，尽管我无法让它训练任意大小的数据。

2)确实不需要裁剪层。

3) 我在最后使用了 tf.nn.sparse_softmax_cross_entropy_with_logits，它对我有用。

Answer 1

感谢@24hours 的建议，我找到了所有 3 个问题的答案。不幸的是，tensorflow 中任意大小的 FCN 比在 caffe 中复杂一点，但希望我也能尽快解决这个问题。

1) 可以使用tf.nn.conv2d_transpose。

2) 不需要裁剪层，可以使用 tf.nn.conv2d_transpose 层的 output_size 代替。

3) 最后我使用了 tf.nn.sparse_softmax_cross_entropy_with_logits