python - 全卷积网络——训练数据中不同大小的图像

Question

我正在尝试使用 Keras 库、Tensorflow 后端为完全卷积神经网络建模。

我面临的问题是将 ] 不同大小的图像分批提供给 model.fit() 函数。训练集由大小从 768x501 到 1024x760 不等的图像组成。

具有相同尺寸的图像不超过 5 张，因此将它们分组似乎没有帮助。

Numpy 允许将数据以列表形式存储在单个变量中。但是 keras model.fit() 函数在接收列表类型训练数组时抛出错误。

我不想调整大小和丢失数据，因为我已经有一个非常小的数据集。

我该如何训练这个网络？

Answer 1

我认为空间金字塔池化 (SPP) 可能会有所帮助。检查这个 paper .

We note that SPP has several remarkable properties for deep CNNs:

1) SPP is able to generate a fixed-length output regardless of the input size, while the sliding window pooling used in the previous deep networks cannot;

2) SPP uses multi-level spatial bins, while the sliding window pooling uses only a single window size. Multi-level pooling has been shown to be robust to object deformations;

3) SPP can pool features extracted at variable scales thanks to the flexibility of input scales. Through experiments we show that all these factors elevate the recognition accuracy of deep networks.

yhenon 已实现 SPP for Keras on Github .