Keras裡的UpSampling2D層不是中的雙線性內插,而是簡單的重複圖像。這點和pytorch不一樣,pytorch默認使用的是雙線性內插。
同樣:這裡仍然使用的是keras而不是tf.keras.
keras裡UpSampling2D的部分定義說明如下:
class UpSampling2D(Layer): """Upsampling layer for 2D inputs. Repeats the rows and columns of the data by size[0] and size[1] respectively.
可以看出,這裡的上採樣確實只是簡單的圖像重複。
要想使用雙線性或者最近鄰或者雙三次插值上採樣,則需要在tf的tf.image.resize_images函數基礎上進行包裝,代碼如下:
####定義: def my_upsampling(x,img_w,img_h,method=0): """0:雙線性差值。1:最近鄰居法。2:雙三次插值法。3:面積插值法""" return tf.image.resize_images(x,(img_w,img_h),0) ###調用: Lambda(my_upsampling,arguments={'img_w':self.img_w,'img_h':self.img_h})(output_6) ###load_model時注意加上tf: model = keras.models.load_model('my_model.h5', custom_objects={'tf': tf})
補充知識:keras中使用內置模型語義分割上採樣維度不匹配
1.卷積時要使用padding=same因此要修改原來的padding=valid
x = conv2d_bn(img_input, 32, 3, strides=2, padding='same')
2.池化時卷積核大小修改為2而不是原來的3
branch_pool = layers.MaxPooling2D(2, strides=2, padding='same')(x)
[ml5rwbikls ] 在keras裡實現自定義上採樣層已經有269次圍觀