形状未知的tensorflow空间金字塔池化
形状未知的TensorFlow空间金字塔池化是一种用于图像处理的技术，它结合了TensorFlow和空间金字塔池化的概念。
TensorFlow是一个流行的开源机器学习框架，用于构建和训练各种深度学习模型。它提供了丰富的工具和库，使开发者能够有效地进行模型训练和推断。
空间金字塔池化是一种常用的图像特征提取方法，它通过对图像进行多尺度的空间金字塔采样，将不同尺度的特征融合到一个固定尺度的特征向量中。这种方法可以提取出图像中的多尺度、多层次的特征信息，对于图像分类、目标检测和图像分割等任务具有重要作用。
形状未知的TensorFlow空间金字塔池化可以用于处理具有不同形状的输入图像。它通过对输入图像进行预处理，将其调整为固定大小，然后在不同尺度下对图像进行金字塔采样，提取多尺度的特征。最后，将这些特征通过池化操作融合到一个固定大小的特征向量中。
对于形状未知的TensorFlow空间金字塔池化，腾讯云提供了一系列相关产品和服务，以支持开发者在云计算环境中进行图像处理。其中，推荐使用的产品包括：
- 腾讯云图像处理（Image Processing）：提供了丰富的图像处理功能，包括图像调整、图像增强、图像分割等。详情请参考腾讯云图像处理产品介绍。
- 腾讯云人工智能（Artificial Intelligence）：提供了强大的人工智能算法和模型，可用于图像分类、目标检测和图像分割等任务。详情请参考腾讯云人工智能产品介绍。
- 腾讯云服务器（Cloud Virtual Machine）：提供了灵活可扩展的云服务器实例，可用于部署和运行TensorFlow和相关应用。详情请参考腾讯云服务器产品介绍。
通过结合这些腾讯云产品和服务，开发者可以利用形状未知的TensorFlow空间金字塔池化技术，实现高效、可扩展的图像处理应用。
相关·内容
我想在tensorflow中执行空间金字塔池化。there (和Stackoverflow.com中的其他问题)已经回答了这个问题，但提出的解决方案不适用于未知的输入形状。 有没有在图形定义中处理未知形状的实现？
浏览 42提问于2020-04-22得票数 0
回答已采纳
如何在TensorFlow中执行全局平均池化？如果我有一个形状为batch_size, height, width, channels = 32, 11, 40, 100的张量，只要tf.layers.average_pooling2d(x, [11, 40], [11, 40]) =tf.layers.average_pooling2d(x, [11, 40], [11, 40])就足够了吗？
浏览 18提问于2017-02-06得票数 8
回答已采纳
2回答
我在Keras创建了一个CNN，每个层有12个卷积层，然后是BatchNormalization、Activation和MaxPooling。这一层的样本如下：
model.add(Conv2D(256, (3, 3), padding='same'))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=2))
我从32个特征地图开始，以512结束。如果我在上面的代码中的每个Conv层之后添加了MaxPooling，那么在最
浏览 0提问于2017-10-01得票数 1
回答已采纳
我正在实现LeNet-5模型。我在一个时期内的随机时期和随机步长上得到以下错误。有时它就能正常工作，没有任何问题。
我尝试用imageDataGenerator替换输入的x_train和y_train
到我所面临问题的代码。
Epoch 1/200
1/10 [==>...........................] - ETA: 3s - loss: 0.1823 - accuracy: 0.9375
---------------------------------------------------------------------------
InvalidArgume
浏览 99提问于2021-05-15得票数 2
因此，我已经看到许多CNN在机器学习中的第一个例子使用MNIST数据集。每个图像都是28x28，所以我们知道输入的形状。如何处理可变大小的输入，假设您有一些图像是56x56和大约28x28。
我正在寻找一个语言和框架不可知论的答案，如果可能的话，或者用tensorflow术语更好
浏览 0提问于2017-07-29得票数 1
回答已采纳
我得到了以下错误：
anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/gradients.py:90: UserWarning:将稀疏IndexedSlices转化为形状未知的密集张量。这可能会消耗大量内存。“将稀疏IndexedSlices转换为形状未知的密集张量。”回溯(最近一次调用)：
trainstep = tf.train.AdamOptimizer(0.0001).minimize(lossobj)
文件"anaconda2/envs/tensorflow/lib/pyth
浏览 5提问于2017-01-25得票数 0
我不知道如何将PyTorch方法adaptive_avg_pool2d转换为Keras或TensorFlow。有人能帮忙吗？PyTorch方法
adaptive_avg_pool2d(14,[14])
我尝试使用平均池，在Keras中重新构造张量，但得到了错误：
ValueError:新数组的总大小必须保持不变
浏览 4提问于2018-10-03得票数 4
1回答
我正在学习更多关于深层CNN不同变体的知识。根据我的理解，ResNet使用了跳过连接，这种连接在某种程度上类似于金字塔或三角形？这有什么不同的特点金字塔网络那么？
浏览 0提问于2022-08-13得票数 1
我目前正在使用TensorFlow插件SpatialPyramidPooling2D层进行图像分类，当我尝试拟合模型时，我得到了以下错误。 ValueError: Dimensions must be equal, but are 8 and 20 for '{{node MatMul}} = BatchMatMulV2[T=DT_FLOAT, adj_x=false, adj_y=false](feature, transpose_1)' with input shapes: [?,20,8], [8,20,?] 我怀疑这与模型的输出形状有什么关系。最后一层应该是(None
浏览 12提问于2020-12-12得票数 0
回答已采纳
我正在尝试将tensorflow中生成的代码重新实现为pytroch，但我遇到了maxpooling，查看了这两个框架的文档，发现它们的行为并不相同。请有人向我解释他们为什么不同，哪个更有效率(我问这个是因为他们给出了不同的结果)？
import tensorflow
from tensorflow.keras.layers import GlobalMaxPool1D
tf_tensor = tensorflow.random.normal([8, 6, 5])
tf_maxpool = GlobalMaxPool1D()
print("output shape : ",
浏览 10提问于2021-09-21得票数 0
我试图在Tensorflow中构建一个CNN模型，其中一个批内的所有输入都是相同形状的，但在批间输入在维度1上有所不同(即小批大小相同，而小型批处理形状不同)。
为了使这更清楚，我有数据(Nx23x1)的各种值N，我首先按升序排序。在每批(50个样本)I零垫每一个样本，使每个N_i等于最大N在其小批。现在我已经为批处理输入定义了Tensorflow占位符：
input = tf.placeholder(tf.float32, shape=(batch_size, None, IMAGE_WIDTH, NUM_CHANNELS))
我在输入占位符中使用“None”，因为在批处理之间，这个值是不同
浏览 4提问于2017-04-28得票数 1
回答已采纳
2回答
我想实现介绍的空间金字塔池层。
作为论文的背景，重点是定义不同的max_pooling层内核大小和步长大小，即：
kernel_size = ceil(a/n)
stride_size = floor(a/n)
其中a是输入张量空间大小，n是金字塔级别，即池化输出的空间箱。
我尝试用tensorflow实现这一层：
import numpy as np
import tensorflow as tf
def spp_layer(input_, name='SPP_layer'):
"""
4 level SPP layer.
浏览 0提问于2016-12-01得票数 4
假设我有一个大小为B \times N \times d的序列数据，其中B是批处理大小，N是序列长度，d是维度或特征数。假设我想用Tensorflow做一维卷积。为了简单起见，让我们假设过滤器的数目是1。
据我所知，如果数据是d-dimensional，那么内核也是d-dimensional，每个信道都进行卷积。也就是说，i-th序列是由i-th核卷积的，因此根据这个逻辑，我们将得到d卷积结果。但是，当滤波器个数为1时，我们将所有卷积结果合并为一个。我的问题是在Tensorflow (或一般情况下)我们如何聚合？谢谢。
浏览 0提问于2023-04-29得票数 0
2回答
在我使用Tensorflow编码的ResNet32网络中，输入大小是32x32x3，层的输出是32x32x32。为什么使用32通道？ tf.contrib.layers.conv2d(
inputs,
**num_outputs**, /// how to determine the number of channel to be used in my layer?
kernel_size,
stride=1,
padding='SAME',
data_format=None,
rate=1,
activati
浏览 14提问于2019-10-01得票数 0
我试图编写一块可重用的代码，读取一个张量的形状，然后使用生成的对象来定义其他张量的形状。我可以选择用tf.shape(tensor)读取张量的动态形状，或者用tensor.get_shape()读取张量的静态形状。玩具示例如下(有两种不同的策略)：
def my_function_strategy_1(x, y):
x_shape = tf.shape(x)
a = tf.reshape(y, x_shape)
b = tf.zeros(x_shape)
num_x_values = x_shape[0]
c = tf.reshape(y, [num_x
浏览 1提问于2018-02-28得票数 2
回答已采纳
我想向TFDS中添加一个TensorFlow数据集，其中包含一组形状未知的秩2张量。为了定义这些特性，我使用了以下特性tfds.features.Tensor(shape=[None, None], dtype=tf.float32)。但是，当我尝试加载数据集时，它会失败，并显示以下错误：
NotImplementedError: Specification error for feature k (TensorInfo(shape=[None, None], dtype=tf.float32)): Tensor with a unknown dimension not at the firs
浏览 2提问于2020-02-27得票数 2
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dropout, Dense, MaxPool2D, Conv2D, BatchNormalization, Flatten, Activation
from tensorflow.keras.callbacks import TensorBoard
from tensorflow.keras.utils
浏览 0提问于2021-10-11得票数 0
回答已采纳
2回答
你好，各位程序员。我不得不说，我刚刚开始在x3d上绘制数字，我真的需要为我的一个项目建造一个金字塔。然而，我搜索的任何东西似乎都帮不了我，因为我无法理解这些数字是如何从其他人的代码中提取出来的。
我设法画了一个圆锥体使用一些关键字，如："bottomRadius"，“高度”等.
但是我不知道如何把这样的东西转换成金字塔，我应该知道哪些关键字可以帮助我绘制一个圆圈的基本三角形，就像圆锥体和关键字bottomRadius一样？
浏览 4提问于2015-05-20得票数 0
回答已采纳
有时建议在网络创建期间将批处理大小设置为无，这样它就不会绑定到任何特定的批处理大小。
我的问题是，在tensorflow中是否有任何惩罚，让一个维度(批量大小，但也可以是一些特殊网络的输入宽度或高度)在评估之前未知？让网络提前知道批量大小有什么好处吗？
浏览 2提问于2017-04-22得票数 2
我想使用Tensorflow 来识别一系列摄像头图像中的对象。对COCO数据集进行预培训的似乎是合适的，因为它们包含了我需要的所有对象类别。
但是，我希望改进模型在识别每个图像中相当小的对象方面的性能。如果我正确理解，我需要编辑中的锚点参数，以获得模型使用较小的边界框。
我的问题是：
在调整这个参数之后，是否需要在整个COCO数据集上重新训练模型？或者，是否有一种方法来改变模型，仅仅是为了推理和避免任何再训练？
除了将图像裁剪成各部分并分别对每个部分进行推理外，是否还有其他技巧可以成功地识别小对象呢？
背景信息
我目前正在为模型提供1280x720图像。在大约200x150像素
浏览 1提问于2018-01-15得票数 12
回答已采纳
1回答
我目前正在遵循TensorFlow的教程。
在不同的层次中，重量被初始化如下：
第一卷层：
W_conv1 = weight_variable(5，5，1，32)
第二卷层：
W_conv2 = weight_variable(5、5、32、64)
密集连接层：
W_fc1 = weight_variable(7 *7* 64,1024)
读出层：
W_fc2 = weight_variable(1024，10)
因此，我对有疑问，我们如何知道上述权重变量的形状?
是他们用来为他们寻找形状的数学吗?
浏览 2提问于2016-01-12得票数 7
回答已采纳
使用Tensorflow，我试图优化的形状参数。形状参数应始终大于零。
在TensorFlow中定义一个正变量的好方法是什么？
浏览 1提问于2019-01-15得票数 2
回答已采纳
1回答
我正试图从零开始训练VGG16模型( keras.applications)，我得到了一个奇怪的错误
X_train形状为(73257，48，48，3)
Y_train形状为(73257，10)
我不知道怎么回事..。我假设它与前面的conv层有关，但是由于我直接从keras导入模型，所以我有问题找出我哪里出错了。
我的数据集包含73,257幅具有(48,48,3)形状的图像。我基本上是在尝试进行字符识别(想想mnist的味道)，但是我被挂在了通过模型(权值设置为0)来提供这个信息上。
model = keras.applications.vgg16.VGG16(include_top=Fal
浏览 5提问于2017-11-28得票数 0
1回答
我是OpenGL编程新手，我正在编写一些基本代码，以便在屏幕上显示几个对象。
我展示的是金字塔形状，还有我正在展示的盒子形状。金字塔形状是一个类(C++)，每个金字塔对象都创建自己的VBO (存储点/颜色)。同样的情况也适用于盒子。
问题是，我有两个形状，形状使用相同的顶点着色器。由于我为着色器中的每个对象应用了一个模型矩阵，模型矩阵会为一个对象设置，但是当另一个对象显示自己时，它会用自己的对象覆盖前一个对象的模型矩阵。因此，只有一个对象在完成其显示方法后才有正确的模型矩阵。
我还使用层次转换来相互附加对象。我让根对象存储视图/投影矩阵，层次树的子对象存储它们各自的模型转换。当一个子节点想要显
浏览 0提问于2014-11-02得票数 1
我试图理解有关tensorflow的一些基础知识，但在阅读max pooling 2D layer的文档时遇到了问题：
max_pooling2d是这样指定的：
pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)
其中conv1有一个形状为[batch_size, image_width, image_height, channels]的张量，具体地说，在本例中是[batch_size, 28, 28, 32]。
所以我们的输入是一个形状为：[batch_size, 28, 28, 32]的张量。
浏览 2提问于2017-04-17得票数 8
1回答
使用Keras实现图像金字塔
、、、、
为了在我的CNN模型上获得尺度不变性(或检测任意尺度上的对象)，我想实现Image Pyramids。正如文章所解释的，在创建图像金字塔时，图像要经过反复的平滑和二次采样。 我正在凯拉斯实现一个CNN。有没有办法用Keras实现图像金字塔？我看过one of the SO post，上面说要用AveragePooling2D来实现金字塔效果。 这是对的吗？AveragePooling2D层是如何产生金字塔效果的？
浏览 20提问于2019-04-18得票数 0
回答已采纳
当尝试在keras中拟合一个相当简单的卷积+密集层模型时，我似乎无法让它完成fit()函数。
X训练数据是(batchsize，height，width，channels)格式的形状i_train.shape(10,1070,1230,3)的数组。Y训练数据的形状为(batchsize，height，width)格式的m_train.shape(10,1070,1230)。
nb_filter = 1
nb_row = 3
nb_col = 3
model = Sequential()
model.add(Conv2D(nb_filter, (nb_row, nb_col), paddin
浏览 3提问于2017-06-30得票数 0
2回答
因此，我正在开发一个使用Spritekit的游戏，它使用Sprite的金字塔(让我们假设一个简单的实例是圆圈)。用户可以选择他们想要在游戏中拥有的精灵的行数。精灵将形成一个金字塔，所以如果你有1行，你就有1个精灵节点。你越往下走(你选择的行越多)，它就会增加2-创建金字塔形状。因此，如果用户选择了3行，游戏面板将如下所示：O O O O O O O O O
然而，当它达到5行时，它就失去了它的金字塔形状，因为屏幕只有这么宽，它必须将
浏览 0提问于2017-06-24得票数 2
1回答
我试着理解TensorFlow的输出层有什么可能。具体来说，输出总是平面数组吗？
由于神经元(或单位，在TF中)只有一个数字，而且只有一组输出，似乎输出必须有一个维度。只有一个热门概率，这是很容易理解的。但是一张照片呢？
如果我的输出是一幅图片，那么TF是否可以输出一个多维像素数组，例如[R0，G0，b0，R1，G1，b1，.]？如果是的话，该网络将如何构建？如何定义输出层的维度/形状？
我所知道的唯一定义输出形状的参数是来自tf.layers.dense的，它看起来本质上是一维的：
单位(数)正整数，输出空间的维数。
任何你能提供的帮助都是非常感谢的！
参考资料：https://js.
浏览 0提问于2020-11-21得票数 2
回答已采纳
1回答
Pooling层之间是否有显著差异。有两种类型的最大池和平均池( 1,2,3-D除外)，基本上称为GlobalPooling和(normal)Pooling。在Keras提供的文件中，没有提供太多的差异和解释。 不同层之间的区别是什么？
浏览 21提问于2019-12-30得票数 0
回答已采纳
1回答
在体素上渲染3D形状
、、、、
我有一个3D形状(原始形状，如长方体，球体，金字塔等)。形状由一组必要的几何参数描述。例如，对于一个立方体，我有关于该立方体的顶点、尺寸和方向的信息。现在，我有了一个 (一种3D像素网格)。如何确定体素的哪些单元需要填充，哪些单元将保留为空，以便在3D中“渲染”立方体？
现有的库有相同的功能吗？或者，有人能指出对这项任务有帮助的方法/算法吗？另外，这个过程的确切名称是什么，以便我可以在Internet上搜索正确的方向？
浏览 0提问于2014-06-04得票数 2
1回答
我试图在一个注意层上执行按行和按列的最大池，如下所示： (幻灯片-15)
我使用文本数据集，其中一个句子被输入到CNN。句子中的每一个字都被嵌入了。其代码如下：
model.add(Embedding(MAX_NB_WORDS, emb_dim, weights=[embedding_matrix],input_length=MAX_SEQUENCE_LENGTH, trainable=False))
model.add(Conv1D(k, FILTER_LENGTH, border_mode = "valid", activation = "relu"))
浏览 0提问于2017-10-23得票数 0
回答已采纳
说，
并不是所有JAX代码都可以编译JIT，因为它要求数组形状是静态的&编译时知道。
现在，我有点惊讶，因为tensorflow有像tf.boolean_mask这样的操作，可以执行JAX编译时似乎无能为力的操作。
为什么Tensorflow会出现这样的倒退？我假设基础XLA表示是在两个框架之间共享的，但我可能弄错了。我不记得Tensorflow曾经遇到过动态形状的问题，像tf.boolean_mask这样的函数已经存在了很久了。
我们能否预期这一差距在未来会缩小呢？如果不是，为什么不可能在JAX‘jit中实现Tensorflow (以及其他)的功能呢？
编辑
浏览 3提问于2021-03-19得票数 4
回答已采纳
1回答
我有一个TensorFlow模型，在这个模型中，我想传递一个图像给它，以便它确定图像中的对象。
然而，该模型抱怨图像的形状，说无论它接收(1, 7, 7, 2048)如何，它都希望它以(1, 1, 1, 2048)的形式出现。
我已经尝试通过numpy.reshape(myObj, (1, 1, 1, 2048))或numpy.reshape(myObj, (1, 1, 1, -1))在图像上执行numpy.reshape()。然而，前者只是抱怨它不能将大小为100352的数组重塑为(1, 1, 1, 2048)，而后者将数组的最后一个元素的大小调整为(7, 7, 2048)的倍数，即1003
浏览 1提问于2018-07-08得票数 0
我使用tensorflow版本1.12.0的量化感知训练方法来训练人脸识别模型。该网络使用inception-resnet_v1(代码的来源是tensorflow/models/research/slim/nets/)。训练完成后，我得到了ckpt，然后我创建了一个新的freeze.py文件来生成eval.pb，然后使用toco成功地生成了tflite模型。但是当我最终用image测试tflite模型时，我得到了以下错误：
File "src/test_tflite.py", line 21, in <module>
Interpreter.allocate
浏览 1提问于2019-01-28得票数 0
我一直在使用Keras (Version1.1.1) LSTM和Theano作为后端，没有任何问题。现在，我想切换到Tensorflow (0.8.0版)，无法获得一个简单的示例来工作。这个问题可以归结为以下从复制的代码片段。
from keras.layers import LSTM
import tensorflow as tf
my_graph = tf.Graph()
with my_graph.as_default():
x = tf.placeholder(tf.float32, shape=(None, 20, 64))
y = LSTM(32)(x)
在执
浏览 4提问于2016-11-23得票数 0
1回答
可变批量张量的显式广播
、、、
我正在尝试在TensorFlow2.0RC中实现一个自定义的Keras Layer，需要将一个[None, Q]形状的张量连接到一个[None, H, W, D]形状的张量上，以产生一个[None, H, W, D + Q]形状的张量。假设两个输入张量具有相同的批量大小，即使事先不知道。此外，H、W、D和Q在写入时都是未知的，但在第一次调用该层时会在该层的build方法中进行求值。我遇到的问题是，为了连接，把[None, Q]形状的张量传播到[None, H, W, Q]形状的张量。 下面是一个尝试使用从shape [None, 3]到shape [None, 5, 5, 3]执行可变批量广
浏览 6提问于2019-08-30得票数 1
回答已采纳
1回答
当我处理时间序列数据时，我尝试用Conv1D构建我的第一个CNN。我的目标是对1501形状的input_data进行压缩。x_train形状为(550,1501)，我增加了它的尺寸以适应模型。
但是，编译器会抱怨：
ValueError:一个形状为(550,1501，1)的目标阵列被传递给形状输出(None，1500，1)，同时用作丢失的mean_squared_error。此损失期望目标具有与输出相同的形状。
这是密码
import numpy as np
from tensorflow.keras.layers import Input,Dense, Conv1D, MaxPool
浏览 2提问于2019-12-29得票数 1
回答已采纳
我用谷歌的神经网络对图像进行分类。我使用角6+ TensorFlow.js来构建我的图像分类器应用程序。
我试图遵循提供的步骤，并得出了以下代码：
import * as tf from '@tensorflow/tfjs';
import { FrozenModel } from '@tensorflow/tfjs';
export class NeuralNetwork {
private MODEL_PATH: string = 'http://localhost:4200/assets/model/tensorflowjs_model.
浏览 3提问于2018-10-15得票数 5
1回答
字符识别结果不佳
、、、、
我正在尝试从图像中读取六位数的数字。我使用tensorflow/keras进行训练。这是我想出来的模型：
model = Sequential()
model.add(Conv2D(20, (5, 5), padding="same", input_shape=(20, 20, 1), activation="relu"))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(Conv2D(50, (5, 5), padding="same", activat
浏览 2提问于2021-05-12得票数 0
1回答
我试图在vgg19网络中添加一个密集的层，但是它给了我下面的错误。有人能帮我吗？
import tensorflow
from tensorflow.keras.applications.vgg19 import VGG19
model = VGG19()
x = tensorflow.keras.layers.Dense(10,
activation="relu",name="",trainable=True)(model.layers[-1])
model = tensorflow.keras.Model(inputs = model.layers
浏览 4提问于2019-11-29得票数 0
我正在建立一个一维卷积神经网络(CNN)。我从许多来源了解到，如果增加更多的层，CNN的性能就会提高。但是，在每个池层，输出形状比输入小50% (因为我使用的池大小为2)。这意味着我不能添加更多的层，一旦我的输出有形状1。
是否有办法克服这个“减少形状问题”，还是仅仅是增加输入形状的问题？
浏览 1提问于2018-07-09得票数 0
回答已采纳
我有一个简单的三维形状的顶点列表，比如金字塔、立方体或十二面体，有没有算法可以找到构成一个面的“外部顶点”之间的所有联系？脸是规则的二维形状(正方形代表立方体，三角形代表金字塔.)
例如，一旦将金字塔投影到2D，对于每个顶点：int[] coords = new int [8][2]，我就有一个8坐标x，y的矩阵，并提出了计算它们的方法。
for(int i = 0; i<4; i++){
for(int a = 1; a<=4; a++){
if(i+a!=3){
if(a>i){
edges.
浏览 6提问于2022-01-04得票数 0
回答已采纳
我一直在尝试设计一个包装器来使用自定义数据集的预制tensorflow超薄模型。数据集是1000张正方形和三角形的图像，灰度为32x32。它们被组织为数据集/形状/三角形/和数据集/形状/正方形/。
使用以下代码，我能够正确地训练inception_v2模型。稍后将用正确的变量参数替换tf.reshape。.tfrecords文件是使用来自谷歌的脚本创建的，该脚本从上述数据集结构创建记录。
graph = tf.Graph()
sess = tf.InteractiveSession(graph=graph)
with graph.as_default():
name_dict, n
浏览 0提问于2017-07-20得票数 1
我想要生成一个从RGB图像(256×256×3)中提取的一维特征向量，使用预先训练的模型。假设我从一个形状为(N_images，256,256，3)的张量开始，我想获得一个形状为(N_images，M_features)的张量，其中M_features是用户选择的特征数。我在keras/tensorflow 中找到了一个可行的解决方案(参见：“使用VGG16提取特性”)，并尝试了以下代码(使用ResNet50)：
from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.preproces
浏览 2提问于2022-07-26得票数 0
我需要找到一种很好的方法，从绘图符号中提取关键点，如CAD绘图中的元素(例如在浴室的2D对象中，可以放置在平面图上)。
我已经尝试过openCV/accord中的所有类型(FAST，SURF，Harris，.)但他们都没给我任何解释。
这些图像是空白的和白色的(带有某种灰度)，我想在包含其他未知物体/形状的较大图像中找到有限的符号集的位置(反正我也不感兴趣)。
其基本思想是获取符号的描述符，并检查目标图像是否包含类似的描述符。
如果我有一个很好的描述符方法，那么我可以训练一个分类器来检查输入图像中的所有描述符，这样我也可以知道与识别对象相关的位置。
框架可以是任何对OPENCV、Accord.
浏览 0提问于2017-03-07得票数 1
我是Tensorflow的新手，我试图训练我的CNN模型在未来对人脸进行分类。我有一个包含56个人的图像数据集，他们的裁剪后的脸是形状为-1,224,224,3和float32类型的numpy数组。当我尝试feed_dict到tensorflow时，我只是附加了我的train_X和train_Y在输入tensorflow时的样子
我得到了一个典型的错误ValueError:无法为张量'Placeholder_3:0‘提供形状为'(?，224,224，3)’的形状(224,224，3)的值。这似乎很容易理解，但我不知道如何修改我的代码来使其工作。
我的Tensorflo
浏览 0提问于2017-07-20得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
