Tensorflow 动态张量对齐/裁剪

我在TensorFlow实现了完全卷积网络。它使用Encoder解码器结构。 在训练时，我总是使用相同的图像大小（

224x224

，使用随机裁剪），一切都很好

在干涉阶段，我希望一次预测一幅图像，因为我希望使用完整图像（而不是croped）。例如，这样的图像具有大小

[406256]

。这就是问题所在。 在编码器-解码器体系结构中，我添加了两个TESOR。训练时，两个张量的大小相匹配。预测单个图像时，大小不匹配（张量大小：

[1,47,47,64]

vs

[1,46,46,64]

）。我认为这是因为在Conv和Pool层中进行了一些舍入

我应该在我的架构中改变什么，以适合我想要的任何图像大小？我应该更改舍入参数吗？或者加上张量的“裁剪”

链接到架构的实现：

---

（问题出现在第166行）

我找到了可变输入大小的解决方案：）

我们真正需要的是一个“裁剪层”，裁剪一个张量来匹配另一个张量。我在这里发现了非常相似的图层： （作物和玉米）

我刚刚制作了“裁剪”和“添加”，它正在工作：

def crop_and_add(x1,x2):
    x1_shape = tf.shape(x1)
    x2_shape = tf.shape(x2)
    # offsets for the top left corner of the crop
    offsets = [0, (x1_shape[1] - x2_shape[1]) // 2, (x1_shape[2] - x2_shape[2]) // 2, 0]
    size = [-1, x2_shape[1], x2_shape[2], -1]
    x1_crop = tf.slice(x1, offsets, size)
    return x1_crop + x2

模型I中的所有添加被上述层所取代（因此合并编码器和解码器数据）

此外，模型的输入需要定义为：

image = tf.placeholder(tf.float32, shape=[1, None, None, 3], name="input_image")

所以我们知道我们将通过单个图像，该图像有3个通道。但我们既不知道宽度也不知道高度。而且效果非常好！（K80上的40fps为AWS P2，图像大小为224x{}-图像的拍摄侧为224）

---

仅供参考，我也在尝试运行（比LinkNet快2倍），但在TensorFlow中运行较慢。我认为这是因为PReLu（在TF时速度很慢）。它也不支持图像的仲裁大小，因为unpol层需要通过整数列表（而不是占位符）预定义输出大小。因此，在TF中，LinkNet在速度和性能方面看起来更好

只需将输入大小调整为

[224224，224]

我不想调整输入大小，因为这样我会丢失一些

空间信息。我的模型是通过右
纵横比学习的（无图像大小调整）。在干涉情况下，我还希望得到正确的纵横比。我也可以将图像分割成几个矩形区域，然后合并。但我希望这个模型能以合理的速度工作，并在不同输入分辨率的手机上工作。你有没有研究过为什么在预测时张量大小不匹配？这是舍入误差，因为406不能除以8。但是裁剪和对齐功能解决了这个问题