我在 Keras 中使用具有图像网络预训练权重的 Inception 模型。
问题是根据 Keras 文档,此模型的默认输入大小为 299x299。虽然我的图像是 230 * 350,但我不想调整它们的大小,因为它会扭曲图像。所以我试图找到一种方法来改变输入层的大小。
下面是我到目前为止尝试过的代码,但我怀疑图像净重是否得到保留,因为我认为当我更改输入大小时架构会发生变化。
任何想法..
input = Input(shape=(230, 350, 3), name='image_input')
base_model = InceptionV3(weights='imagenet', include_top=False, input_tensor=input)
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(64, activation='relu')(x)
predictions = Dense(1, activation='sigmoid')(x)
model = Model(inputs=input, outputs=predictions)
for layer in base_model.layers:
layer.trainable = True
model.compile(loss='binary_crossentropy',
optimizer=Adam(lr=0.0001),
metrics=['accuracy'])
请您参考如下方法:
Inception V3 是一个 fully convolutional模型。您在卷积编码器的顶部使用全局池化,因此与 299x299 的轻微偏差应该不是什么大问题。如果您的代码没有错误消息,那么像这样使用它肯定没问题。
