用keras上的预训练模型与输入图片维度不一致

hnsywangxin 2017-04-13 09:55:00

keras上的预训练模型是从Imagenet上训练的，上面的图像都是彩色图片，但是我输入的图片是灰度图片，导致维度不一致，我将维度都调成1或者3还是有维度不匹配的问题，难道在imagenet上预训练的模型都只支持3通道的RGB图像？或者有什么办法让灰度图像变成伪RGB图像（不改变图片样子）

...全文

1572 4 打赏收藏转发到动态举报

写回复

4 条回复

切换为时间正序

请发表友善的回复…

发表回复

CleMints 2019-07-30

打赏
举报

回复

灰度图可以变成RGB图，三个通道值都一样的。cv2.imread()时候选'RGB'格式就行了

Shipley_Xie 2018-12-10

打赏
举报

回复

增加两通道，设置为0即可。

hnsywangxin 2017-04-17

打赏
举报

回复

引用 1 楼 Tiger_Zhao 的回复:

keras是什么不知道。不过通常来说应该把彩色图片灰度化，都用灰度图片就能匹配了。只有灰度图片是不可能正确还原成彩色图片的，“还原”的彩色图片和实际的彩色图片是很难匹配的。

首先谢谢你，彩色图片灰度化我知道，灰度图片听有人说可以变成伪RGB图片，具体的我也不太清楚，所以上来求助。

Tiger_Zhao 2017-04-14

打赏
举报

回复

keras是什么不知道。
不过通常来说应该把彩色图片灰度化，都用灰度图片就能匹配了。
只有灰度图片是不可能正确还原成彩色图片的，“还原”的彩色图片和实际的彩色图片是很难匹配的。

导入预训练模型在通常情况下都能加快模型收敛，提升模型性能。但根据实际任务需求，自己搭建的模型往往和通用的Backbone并不能做到网络层的完全一致，无非就是少一些层和多一些层两种情况。 1. 自己模型层数较少 net = ... # net为自己的模型 save_model = torch.load('path_of_pretrained_model') # 获取预训练模型字典（键值对） model_dict = net.state_dict() # 获取自己模型字典（键值对） # 新定义字典

学习来源：https://www.cnblogs.com/neo-T/p/6477378.html 原博主写得非常详细，我只是用他的代码实现一遍，修改的地方不多，把一些遇到的问题记录一下而已，更详细的讲解建议去看原博主的。修改：出现 ModuleNotFoundError: No module named ‘sklearn.cross_validation’ 问题：sklearn.cro...

文章目录1 准备工作1.1 什么是词向量?1.2 获取词向量2 转化词向量为keras所需格式2.1 获取所有词语word和词向量2.2 构造“词语-词向量”字典2.3 填充字典和矩阵2.4 在 keras的Embedding层中使用预训练词向量*2.5 不使用“预训练”而直接生成词向量3 整体代码：在Keras模型中使用预训练的词向量3.1 读取数据3.2 句子分词3.3 *构造词向量字典3....

本文以FasionMNIST/加州房价数据集为例，介绍KerasAPI进行分类问题/回归问题模型训练的方法

预训练模型(Pretrained model)：一般情况下预训练模型都是大型模型，具备复杂的网络结构，众多的参数量，以及在足够大的数据集下进行训练而产生的模型. 在NLP领域，预训练模型往往是语言模型，因为语言模型的训练是无监督的，可以获得大规模语料，同时语言模型又是许多典型NLP任务的基础，如机器翻译，文本生成，阅读理解等，常见的预训练模型有BERT, GPT, roBERTa, transformer-XL等. ALBERT通过因式分解和参数共享的方式削减了嵌入层的参数矩阵，后续为找补回损失的精度使用

数据结构与算法

33,008

社区成员

35,326

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章