keras版本的DeeplabV3+使用中遇到的问题及解决办法

DeepLabV3+代码地址:https://github.com/bonlime/keras-deeplab-v3-plus

一、本机环境:

Keras=2.2.4
Tensorflow=1.8.0

二、测试时出现的问题

在本地测试时,出现一些问题,主要原因是我的tensorflow的版本太低,一些函数方法的用法在不同版本上不一致导致的,我主要遇到下面两个问题

2.1、导入包问题

get_source_inputs导入错误

from tensorflow.python.keras.utils.layer_utils import get_source_inputs

改为:

from keras.engine.topology import get_source_inputs

get_file导入错误

from tensorflow.python.keras.utils.data_utils import get_file

改为:

from tensorflow.python.keras.utils import get_file
2.2、AttributeError: module ‘tensorflow.tools.api.generator.api.compat’ has no attribute ‘v1’ 错误

这里主要用到了tensorflow的resize()方法.
如下面这句话

x = Lambda(lambda xx: tf.compat.v1.image.resize(xx,size_before3[1:3],method='bilinear', align_corners=True))(x)

在我的1.8版本的tensorflow中使用直接报错
在这里插入图片描述
改为:

x = Lambda(lambda xx: tf.image.resize_bilinear(xx, size_before3[1:3], align_corners=True))(x)
3、模型输出测试
from tensorflow.python.keras.utils import plot_model
from model import Deeplabv3

# deeplab_model = Deeplabv3(input_shape=(512,512,3),classes=3)
deeplab_model = Deeplabv3(input_shape=(512,512,3),classes=3,backbone='xception')
print(deeplab_model.summary())
plot_model(deeplab_model,"deeplab_model_xception.png")

在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
当然可以!以下是一个基于KerasDeepLabV3+语义分割三分类模型的示例代码: ```python from tensorflow.keras.models import Model from tensorflow.keras.layers import Input, Conv2D, BatchNormalization, Activation, MaxPooling2D, Conv2DTranspose, concatenate def conv_block(inputs, filters, kernel_size=3, strides=1): x = Conv2D(filters, kernel_size, strides=strides, padding='same')(inputs) x = BatchNormalization()(x) x = Activation('relu')(x) return x def encoder(inputs): # Encoder block 1 x = conv_block(inputs, 64) x = conv_block(x, 64) skip_1 = x x = MaxPooling2D(pool_size=(2, 2))(x) # Encoder block 2 x = conv_block(x, 128) x = conv_block(x, 128) skip_2 = x x = MaxPooling2D(pool_size=(2, 2))(x) # Encoder block 3 x = conv_block(x, 256) x = conv_block(x, 256) skip_3 = x x = MaxPooling2D(pool_size=(2, 2))(x) return x, skip_1, skip_2, skip_3 def decoder(inputs, skip_1, skip_2, skip_3): # Decoder block 1 x = Conv2DTranspose(128, (3, 3), strides=(2, 2), padding='same')(inputs) x = concatenate([x, skip_3]) x = conv_block(x, 256) x = conv_block(x, 256) # Decoder block 2 x = Conv2DTranspose(64, (3, 3), strides=(2, 2), padding='same')(x) x = concatenate([x, skip_2]) x = conv_block(x, 128) x = conv_block(x, 128) # Decoder block 3 x = Conv2DTranspose(32, (3, 3), strides=(2, 2), padding='same')(x) x = concatenate([x, skip_1]) x = conv_block(x, 64) x = conv_block(x, 64) return x def DeepLabV3Plus(input_shape, num_classes): inputs = Input(shape=input_shape) # Encoder encoder_output, skip_1, skip_2, skip_3 = encoder(inputs) # ASPP (Atrous Spatial Pyramid Pooling) x = conv_block(encoder_output, 256, kernel_size=1) x = conv_block(x, 256, kernel_size=3, strides=1, dilation_rate=6) x = conv_block(x, 256, kernel_size=3, strides=1, dilation_rate=12) x = conv_block(x, 256, kernel_size=3, strides=1, dilation_rate=18) x = Conv2D(256, 1)(x) x = BatchNormalization()(x) # Decoder x = decoder(x, skip_1, skip_2, skip_3) # Output outputs = Conv2D(num_classes, 1, activation='softmax')(x) model = Model(inputs=inputs, outputs=outputs) return model # 创建模型 input_shape = (256, 256, 3) # 输入图像的尺寸 num_classes = 3 # 分类的类别数量 model = DeepLabV3Plus(input_shape, num_classes) # 编译模型 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 打印模型结构 model.summary() ``` 这段代码实现了一个简单的DeepLabV3+语义分割模型,具有三个分类类别。你可以根据自己的需求修改模型的输入尺寸、分类数量以及其他超参数。记得根据你的数据集调整模型的输入尺寸和输出类别数量。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GHZhao_GIS_RS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值