deep-learning - 用于 keras 中可变大小图像的全卷积自动编码器

Question

我想构建一个卷积自动编码器，其中输入的大小不是恒定的。我这样做是通过堆叠 conv-pool 层直到到达编码层，然后对 upsample-conv 层进行相反的操作。问题是无论我使用什么设置，我都无法在输出层中获得与输入层完全相同的大小。原因是 UpSampling 层(假设为 (2,2) 大小)将输入的大小加倍，因此我无法获得奇数维度。有没有办法将给定层的输出维度与单个样本的前一层的输入维度联系起来(正如我所说，最大池层的输入大小在变量中)？

Answer 1

就在这里。

您可以使用三种方法

Padding

Resizing

Crop or Pad

填充只会增加尺寸。不利于减小尺寸。

调整大小应该更昂贵，但对于每种情况(上采样或下采样)都是最佳解决方案。它将保留范围内的所有值，并将简单地重新采样它们以调整给定维度的大小。

Crop 或 Pad 将用作调整大小，并且由于此方法中没有插值，因此计算效率更高。但是，如果您想将其调整为更小的尺寸，它将从边缘裁剪。

通过使用这 3 个，您可以安排图层的尺寸。