如何在非正方形图像上运行Keras网络？

Question

我在tf.keras中训练了一个基于UNet的图像分割模型，该模型可以预测一个对象在给定图像中的位置和位置。我用(None, 256, 256, 1)的输入形状训练，然后输出(None, 256, 256, 3)形状的预测。你知道吗

我现在想要预测更大的图像（例如(520, 696)），并且想要使用相同的模型。我知道可以将模型的输入形状更改为大小(None, None, None, 1)。但是，现在它仍然只能预测正方形图像–对于上面提到的图像，它返回Dimensionality Error，因为形状不匹配（520！= 696). 你知道吗

有没有人知道如何避免这种情况或有一个工作功能，以缝合在一起较小的正方形输出？你知道吗

出错步骤：

img = skimage.io.imread(X)  # shaped (520, 696)
pred = model.predict(img[None,...,None])

InvalidArgumentError: _MklConcatOp : Dimensions of inputs should match: shape[0][1]= 64 vs. shape[1][1] = 65 [[{{node concatenate_4/concat}}]]

Answer 1

我找到了一个解决方案——因为我训练了一个UNet（在上采样后使用级联层），它只能合并2的幂（例如256/512）。因此，我必须在预测之前添加填充，使其达到下一个2的幂，并从输出中删除填充。你知道吗