python - Conv2dTranspose 产生错误的输出形状

Question

我目前正在尝试修改 mobilenetv2，以便它检测图像中的某些对象并返回标记所述对象位置的热图。为此，热图必须具有与输入图像完全相同的分辨率。

我的方法是构建某种类似 U-Net 的编码器-解码器网络，利用 Conv2dTranspose 将移动网络的输出缩放回其原始形状，并通过通往每个相应卷积的快捷路径来降低分辨率。

第一个对应层之间的第一个串联效果很好，但第二个则失败，因为它们的输出形状不匹配。正如我预期的那样，第一个 Conv2dTranspose 将分辨率提高了 2 倍。然而第二个却没有。它具有输入形状 (None, 20, 80, 192)，并且应该输出 (None, 40, 160, 144)。不幸的是，实际的输出形状是 (None, 36, 156, 144)，使得层的串联变得不可能。

如何获得一致的输出形状？我认为这就是 padding='same' 应该保证的？非常感谢您的帮助!

到目前为止，我已经尝试更改填充类型、设置output_padding参数、步幅和过滤器大小。令人惊讶的是，这些都没有以所需的方式影响输出形状。

base_model = MobileNetV2(input_shape=(imageShape[0], 
    imageShape[1], 3), include_top=False, weights='imagenet')
conv_layers = get_conv_layers(base_model)

x = base_model.output

c = conv_layers.pop()
c = conv_layers.pop()
x = Conv2DTranspose(filters=c.output_shape[-1],
                    kernel_size=(3, 3), strides=(2, 2), 
                    activation='relu', padding='same', 
                    kernel_initializer='he_normal')(x)
x = concatenate([c.output, x], axis=-1)
x = Conv2D(filters=c.output_shape[-1], kernel_size=(3, 3),
           activation='relu')(x)

c = conv_layers.pop()
x = Conv2DTranspose(filters=c.output_shape[-1],
                    kernel_size=(3, 3), strides=(2, 2), 
                    activation='relu', padding='same',
                    kernel_initializer='he_normal')(x)
x = concatenate([c.output, x], axis=-1)
x = Conv2D(filters=c.output_shape[-1], kernel_size=(3, 3),
           activation='relu')(x)

ValueError:Concatenate 层需要具有匹配形状的输入(除了连接轴之外)。获得输入形状:[(None, 40, 160, 144), (None, 36, 156, 144)]

第一个形状是 Conv2dTranspose 输出的所需形状，第二个形状是实际形状。这些应该是相同的，以便串联工作。

Answer 1

好吧，我明白了，有时你只需要暂时远离问题一段时间。事实证明，我太关注 Conv2dTranspose 是罪魁祸首，以至于我完全忽略了中间还有其他层可能导致问题。毕竟我忘记将普通 Conv2d 的填充设置为“相同”。正确设置此参数解决了问题，我得到了预期的输出形状。