Tensorflow 实现SPP 空间金字塔卷积

最新推荐文章于 2024-08-24 09:17:12 发布

NakedMouse

最新推荐文章于 2024-08-24 09:17:12 发布

阅读量1.5k

点赞数 3

分类专栏： python 文章标签：深度学习 tensorflow

本文链接：https://blog.csdn.net/qq512719/article/details/114789295

版权

本文介绍了如何在Tensorflow中实现SPP（空间金字塔池化）层，并解决了在处理多尺寸输入时遇到的问题。文章指出，由于Tensorflow在预编译阶段无法处理None维度，导致构建网络时的错误。为了解决这个问题，作者通过添加if条件和设置虚假数值来规避预编译阶段的错误。同时，文章也提到了SPP层输出形状的计算方法，以确保全连接层参数的正确初始化。最后，提供了SPP层的使用示例，并讨论了当前实现支持单尺寸数据链表训练，但尚未实现混合尺寸输入。

摘要由CSDN通过智能技术生成

实现原理就不写了，之前参考的是https://www.jianshu.com/p/7f30b5935f3f这篇文章的内容。本来想着自己实现一下SPP空间池化金字塔，但是这篇文章虽然有贴了SPP的python实现方式，但在实际应用中还是会出现问题，这里贴上我自己的解决办法。

这是网络的输入结构，由于是做多尺寸输入的，所以输入shpae是（None，None，3），这两个None也是参考链接中代码无法直接使用的原因。

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(None, None, 3)))

这是修改后的代码，我的网络中这一层的输入shape是（None，None，None，3）

import tensorflow as tf
import numpy as np

# 4*4+3*3+2*2+1 = 30
class SPP_layer(tf.keras.layers.Layer):
    def __init__(self, num_levels=4, pool_type='max_pool'):
        super(SPP_layer, self).__init__()
        self.num_levels = num_levels
        self.pool_type = pool_typ