重塑输出尺寸以适合Keras模型

Question

我有一个用于cat数据集关键点检测的Keras模型。对于每个彩色图像，有3个关键点和相应的3个热图。 模型的输入图像为64,64,3 相应的输出为形状3,64,64

我正在使用以下功能准备裁剪和调整大小的热图：

def crop_heatmaps():

   dataset['cropped_heatmaps'] = []
   
   for i in range(len(dataset['heatmaps'])):

        cropped_heats = []
        heatmaps = dataset['heatmaps'][i]
        bb = dataset['bbs'][i]
        

        x1 = max(bb[0] - 20, 0) #avoid negative coordinates of the extended bounding box
        y1 = max(bb[1] - 20, 0)
        x2 = bb[2] + 20
        y2 = bb[3] + 20

        for heat in heatmaps:

            cropped_heat = heat[y1:y2, x1:x2]
            resized_heat = cv2.resize(cropped_heat, (64, 64))
            #plt.imshow(resized_heat)

            cropped_heats.append(resized_heat)

            cropped_heatmaps = np.array(cropped_heats)
            
            dataset['cropped_heatmaps'].append(cropped_heats)

我为输入和输出创建了2个DataImageGenerator，并将它们压缩在一起

train_generator = zip(img_train_generator, heatmaps_train_generator)

history = model.fit((pair for pair in train_generator),
                    epochs=30,
                    validation_data=(),
                    verbose=1
                  )

在拟合模型时，我遇到以下错误：不兼容的形状：[128,64,3,64]与[128,3,64,64]

模型如下所示：

输入_1（输入层）[（无、64、64、3）]0

---

区块1_conv1（Conv2D）（无、64、64、64）1792

---

区块1_conv2（Conv2D）（无、64、64、64）36928

---

block1_池（MaxPoolig2D）（无、32、32、64）0

---

区块2_conv1（Conv2D）（无、32、32、128）73856

---

区块2_conv2（Conv2D）（无、32、32、128）147584

---

瓶颈_1（Conv2D）（无、32、32、160）5243040

---

瓶颈_2（Conv2D）（无、32、32、160）25760

---

上样本_1（conv2dtranpse）（无，64，64，3）1920

我试过了

np.reshape(cropped_heatmaps,(64,64,3))

但它没有起作用。如何重塑热图以获得64,64,3？（3个频道）

Answer 1

如果您想更改轴1和2 ip，可以使用： np.moveaxis（x，1,2）

样本：

import numpy as np

x = np.zeros((128,64,3,32))
print(x.shape)

y = np.moveaxis(x,1,2)
print(y.shape)

输出：

(128, 64, 3, 32)
(128, 3, 64, 32)
>>> 

---

带（64,64,3）到（3,64,64）

可以使用：

import numpy as np

x = np.zeros((64,64,3))
print(x.shape)

y = np.moveaxis(x,-1,0)
print(y.shape)

输出：

(64, 64, 3)
(3, 64, 64)
>>>