下面两个图对着看,帮助理解copy and crop过程。如果你想修改提取特征的网络,这个会给你很大的帮助。比如改成vgg16的,我在github上看到一个。自己跑了下,在我的数据集上表现一般。别的数据集可能会好很多吧。
input_1:0 的形状为 : (?, 256, 256, 1)
--------------------------------
conv2d_1_1/Relu:0 的形状为 : (?, 256, 256, 64)
conv2d_1_2/Relu:0 的形状为 : (?, 256, 256, 64)
max_pooling2d_1/MaxPool:0 的形状为 : (?, 128, 128, 64)
--------------------------------
conv2d_2_1/Relu:0 的形状为 : (?, 128, 128, 128)
conv2d_2_2/Relu:0 的形状为 : (?, 128, 128, 128)
max_pooling2d_2/MaxPool:0 的形状为 : (?, 64, 64, 128)
--------------------------------
conv2d_3_1/Relu:0 的形状为 : (?, 64, 64, 256)
conv2d_3_2/Relu:0 的形状为 : (?, 64, 64, 256)
max_pooling2d_3/MaxPool:0 的形状为 : (?, 32, 32, 256)
--------------------------------
conv2d_4_1/Relu:0 的形状为 : (?, 32, 32, 512)
conv2d_4_2/Relu:0 的形状为 : (?, 32, 32, 512)
dropout_4/cond/Merge:0 的形状为 : (?, 32, 32, 512)
max_pooling2d_4/MaxPool:0 的形状为 : (?, 16, 16, 512)
--------------------------------
conv2d_5_1/Relu:0 的形状为 : (?, 16, 16, 1024)
conv2d_5_1/Relu:0 的形状为 : (?, 16, 16, 1024)
dropout_5/cond/Merge:0 的形状为 : (?, 16, 16, 1024)
--------------------------------
deconv2d_6_1/Relu:0 的形状为 : (?, 32, 32, 512) up
concatenate_6/concat:0 的形状为 : (?, 32, 32, 1024) drop4 deconv2d_6_1
conv2d_6_2/Relu:0 的形状为 : (?, 32, 32, 512)
conv2d_6_3/Relu:0 的形状为 : (?, 32, 32, 512)
--------------------------------
conv2d_7_1/Relu:0 的形状为 : (?, 64, 64, 256) up
concatenate_7/concat:0 的形状为 : (?, 64, 64, 512) conv2d_3_2 deconv2d_7_1
conv2d_7_2/Relu:0 的形状为 : (?, 64, 64, 256)
conv2d_7_3/Relu:0 的形状为 : (?, 64, 64, 256)
--------------------------------
conv2d_8_1/Relu:0 的形状为 : (?, 128, 128, 128) up
concatenate_8/concat:0 的形状为 : (?, 128, 128, 256) conv2d_2_2 deconv2d_8_1
conv2d_8_2/Relu:0 的形状为 : (?, 128, 128, 128)
conv2d_8_3/Relu:0 的形状为 : (?, 128, 128, 128)
--------------------------------
conv2d_9_1/Relu:0 的形状为 : (?, 256, 256, 64)
concatenate_9/concat:0 的形状为 : (?, 256, 256, 128) conv2d_1_2 deconv2d_9_1
conv2d_9_2/Relu:0 的形状为 : (?, 256, 256, 64)
conv2d_9_3/Relu:0 的形状为 : (?, 256, 256, 64)
conv2d_9_4/Relu:0 的形状为 : (?, 256, 256, 2)
--------------------------------
conv2d_10/Sigmoid:0 的形状为 : (?, 256, 256, 1)