不同尺寸图像的张量流卷积神经网络

Question

我正在尝试创建一个深度CNN，它可以对图像中的每个像素进行分类。我正在复制从this纸上拍摄的图片的架构。文中提到使用反褶积方法，使得输入的任何大小都是可能的。这可以在下图中看到。在

Github Repository

目前，我已经硬编码我的模型，以接受32x32x7大小的图像，但我想接受任何大小的输入。我需要对代码进行哪些更改才能接受可变大小的输入？

 x = tf.placeholder(tf.float32, shape=[None, 32*32*7])
 y_ = tf.placeholder(tf.float32, shape=[None, 32*32*7, 3])
 ...
 DeConnv1 = tf.nn.conv3d_transpose(layer1, filter = w, output_shape = [1,32,32,7,1], strides = [1,2,2,2,1], padding = 'SAME')
 ...
 final = tf.reshape(final, [1, 32*32*7])
 W_final = weight_variable([32*32*7,32*32*7,3])
 b_final = bias_variable([32*32*7,3])
 final_conv = tf.tensordot(final, W_final, axes=[[1], [1]]) + b_final

Answer 1

动态占位符

Tensorflow允许在占位符中有多个动态（即{}）维度。在构建图形时，引擎无法确保正确性，因此客户端负责提供正确的输入，但它提供了很大的灵活性。在

所以我要从。。。在

x = tf.placeholder(tf.float32, shape=[None, N*M*P])
y_ = tf.placeholder(tf.float32, shape=[None, N*M*P, 3])
...
x_image = tf.reshape(x, [-1, N, M, P, 1])

到。。。在

^{pr2}$

既然您打算将输入重塑为5D，那么为什么不从一开始就在x_image中使用5D呢。在这一点上，label的第二维是任意的，但是我们保证张量流将与x_image匹配。在

反褶积中的动态形状

接下来，^{}的好处是它的输出形状可以是动态的。所以不是这样：

# Hard-coded output shape
DeConnv1 = tf.nn.conv3d_transpose(layer1, w, output_shape=[1,32,32,7,1], ...)

。。。您可以这样做：

# Dynamic output shape
DeConnv1 = tf.nn.conv3d_transpose(layer1, w, output_shape=tf.shape(x_image), ...)

这样，转置卷积就可以应用到任何图像，结果将呈现在运行时实际传入的x_image的形状。在

注意，x_image的静态形状是(?, ?, ?, ?, 1)。在

全卷积网络

最后也是最重要的部分是使整个网络卷积，这也包括最后的密集层。稠密层必须静态地定义其维数，从而迫使整个神经网络固定输入图像的维数。在

幸运的是，al的Springenberg在"Striving for Simplicity: The All Convolutional Net"论文中描述了一种用CONV层代替FC层的方法。我将使用31x1x1过滤器的卷积（另请参见this question）：

final_conv = conv3d_s1(final, weight_variable([1, 1, 1, 1, 3]))
y = tf.reshape(final_conv, [-1, 3])

如果我们确保final与DeConnv1（和其他人）具有相同的维度，那么y将成为我们想要的形状：[-1, N * M * P, 3]。在

把它们结合在一起

你的网络很大，但所有的反褶积基本上都遵循相同的模式，所以我将我的概念证明代码简化为一个反褶积。我们的目标只是展示什么样的网络能够处理任意大小的图像。最后一点：图像尺寸可以在不同批次之间变化，但在一个批次中，它们必须相同。在

完整代码：

sess = tf.InteractiveSession()

def conv3d_dilation(tempX, tempFilter):
  return tf.layers.conv3d(tempX, filters=tempFilter, kernel_size=[3, 3, 1], strides=1, padding='SAME', dilation_rate=2)

def conv3d(tempX, tempW):
  return tf.nn.conv3d(tempX, tempW, strides=[1, 2, 2, 2, 1], padding='SAME')

def conv3d_s1(tempX, tempW):
  return tf.nn.conv3d(tempX, tempW, strides=[1, 1, 1, 1, 1], padding='SAME')

def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

def max_pool_3x3(x):
  return tf.nn.max_pool3d(x, ksize=[1, 3, 3, 3, 1], strides=[1, 2, 2, 2, 1], padding='SAME')

x_image = tf.placeholder(tf.float32, shape=[None, None, None, None, 1])
label = tf.placeholder(tf.float32, shape=[None, None, 3])

W_conv1 = weight_variable([3, 3, 1, 1, 32])
h_conv1 = conv3d(x_image, W_conv1)
# second convolution
W_conv2 = weight_variable([3, 3, 4, 32, 64])
h_conv2 = conv3d_s1(h_conv1, W_conv2)
# third convolution path 1
W_conv3_A = weight_variable([1, 1, 1, 64, 64])
h_conv3_A = conv3d_s1(h_conv2, W_conv3_A)
# third convolution path 2
W_conv3_B = weight_variable([1, 1, 1, 64, 64])
h_conv3_B = conv3d_s1(h_conv2, W_conv3_B)
# fourth convolution path 1
W_conv4_A = weight_variable([3, 3, 1, 64, 96])
h_conv4_A = conv3d_s1(h_conv3_A, W_conv4_A)
# fourth convolution path 2
W_conv4_B = weight_variable([1, 7, 1, 64, 64])
h_conv4_B = conv3d_s1(h_conv3_B, W_conv4_B)
# fifth convolution path 2
W_conv5_B = weight_variable([1, 7, 1, 64, 64])
h_conv5_B = conv3d_s1(h_conv4_B, W_conv5_B)
# sixth convolution path 2
W_conv6_B = weight_variable([3, 3, 1, 64, 96])
h_conv6_B = conv3d_s1(h_conv5_B, W_conv6_B)
# concatenation
layer1 = tf.concat([h_conv4_A, h_conv6_B], 4)
w = tf.Variable(tf.constant(1., shape=[2, 2, 4, 1, 192]))
DeConnv1 = tf.nn.conv3d_transpose(layer1, filter=w, output_shape=tf.shape(x_image), strides=[1, 2, 2, 2, 1], padding='SAME')

final = DeConnv1
final_conv = conv3d_s1(final, weight_variable([1, 1, 1, 1, 3]))
y = tf.reshape(final_conv, [-1, 3])
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=label, logits=y))

print('x_image:', x_image)
print('DeConnv1:', DeConnv1)
print('final_conv:', final_conv)

def try_image(N, M, P, B=1):
  batch_x = np.random.normal(size=[B, N, M, P, 1])
  batch_y = np.ones([B, N * M * P, 3]) / 3.0

  deconv_val, final_conv_val, loss = sess.run([DeConnv1, final_conv, cross_entropy],
                                              feed_dict={x_image: batch_x, label: batch_y})
  print(deconv_val.shape)
  print(final_conv.shape)
  print(loss)
  print()

tf.global_variables_initializer().run()
try_image(32, 32, 7)
try_image(16, 16, 3)
try_image(16, 16, 3, 2)

Answer 2

理论上，这是可能的。您需要将输入和标签图像占位符的图像大小设置为none，并让图形从输入数据动态推断图像大小。在

但是，在定义图形时必须小心。需要使用tf.shape而不是tf.get_shape()。前者仅在session.run时动态推断形状，后者在定义图形时才能得到形状。但是，当input size设置为none时，后者不会得到真正的整形（可能只返回None）。在

为了使事情复杂化，如果使用tf.layers.conv2d或{}，有时这些高级函数不喜欢tf.shape，因为它们似乎认为形状信息在图形构造过程中是可用的。在

我希望我有更好的工作例子来说明以上几点。我将把这个答案作为占位符，如果有机会，我会回来添加更多内容。在