python - batch_size = 1 的 tensorflow 中的不同图像大小

Question

我想实现一个python类，它可以加载一个tensorflow模型并实现一个推理。但是我不知道如何输入可变图像大小的图像。 :(

class ArtGenerater():
    def __init__(self,model_path):
            self.model_path = model_path
            # vary shape?
            self.x = tf.placeholder(tf.float32,shape=(1,512,512,3))
            self.gen = model.resnet(self.x)
            self.out = tf.saturate_cast(self.gen,tf.uint8)

            self.sess = tf.Session()
            file = tf.train.lastest_checkpoint(self.model_path)
            saver = tf.train.Saver()
            saver.restore(self.sess,file)
    def pic(self,image_path):
            img =np.asarray(Image.open(image_path)).astype(np.float32)
            img = np.expand_dims(img,0)
            output_t = self.sess.run(self.out,feed_dict={self.x:img})
            return output_t

现在我只使用tf.placeholder(tf.float32,shape=(1,512,512,3)),但我的图像有不同的尺寸(例如 1000*900)。

如何实现这个功能？谢谢。

编辑:

谢谢大家。我已经通过使用解决了问题:

x = tf.placeholder(tf.string)
img = tf.image.decode_jpeg(x,channels=3)

这可以为具有不同图像大小的网络(我的 ConvNet 包括许多 conv2d 和 conv2d_tranpose)提供数据。 :)

Answer 1

基本上您可以使用 None 定义各种尺寸的输入，如下所示

self.x = tf.placeholder(tf.float32, [1, None, None, 3]) 

然后你可以提供不同的输入

feed_dict={self.x: current_data} etc..

但是要小心你的神经网络结构。如果您将最后一个卷积层展平为第一个密集层的输入，那么您的网络只能在该尺寸下工作，并且您需要拉伸(stretch)或裁剪图像以使其工作。

更灵活的方法是使用类似 Global Average Pooling 的方法或 Spatial Pyramid Pooling两者都解决了这个问题。