我目前正在尝试实施用于语义分割的 FCN http://www.cs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf在 TensorFlow 中,就像之前在 Caffe 中一样here https://github.com/shelhamer/fcn.berkeleyvision.org.
不幸的是,我正在努力解决以下三件事:
1) 如何将“反卷积”层从 Caffe 映射到 TensorFlow?是否正确tf.nn.conv2d_transpose
?
2) 如何将“Crop”层从 Caffe 映射到 TensorFlow?不幸的是我在 TensorFlow 中看不到任何替代方案。 TensorFlow 中有类似的东西吗?
3)咖啡有吗SoftmaxWithLoss
对应于TensorFlow softmax_cross_entropy_with_logits?
预先感谢您的任何建议、提示和帮助。
2016 年 5 月 9 日编辑:
1)我发现tf.nn.conv2_transpose
确实对应于反卷积层。
2)作物层目前看来确实是一个问题。我发现确实存在tf.image.resize_image_with_crop_or_pad https://www.tensorflow.org/versions/r0.8/api_docs/python/image.html#resize_image_with_crop_or_pad,但这似乎不可能用于此目的,因为它不能与动态创建的张量一起使用,也不能与您需要在之后使用的 4D 张量一起使用tf.nn.conv2_transpose
layer.
更多信息可能位于:https://github.com/tensorflow/tensorflow/issues/2049 https://github.com/tensorflow/tensorflow/issues/2049
2016 年 5 月 17 日编辑:
我遵循@24hours的建议并在tensorflow中构建FCN,尽管我无法让它在任意大小的数据上进行训练。
2)作物层确实不需要。
3)我用过tf.nn.sparse_softmax_cross_entropy_with_logits
最后它对我有用。
感谢@24hours 的建议,我找到了所有 3 个问题的答案。不幸的是,张量流中任意大小的 FCN 比 caffe 中的要复杂一些,但希望我也能尽快解决这个问题。
1) tf.nn.conv2d_transpose
可以使用。
2)不需要作物层,output_size
of the tf.nn.conv2d_transpose
可以使用图层来代替。
3)最后我用了tf.nn.sparse_softmax_cross_entropy_with_logits
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)