python - 使用skimage调整到更大的分辨率会导致keras中的形状类型错误

Question

我的目标是采用一个没有最后两个完全连接层的预训练模型来为 CIFAR-10 构建新的我自己的分类器。我遇到的第一个问题是 VGG 需要至少 48*48*3 张量，而 CIFAR-10 数据集带有 32*32*3 图像。我知道 ImageDataGenerator.flow_from_directory 带有内置 target_size 参数，但我不能在这里使用它，因为图像已经在内存中:

from keras.applications import VGG16
from keras.datasets import cifar10
from keras.preprocessing.image import ImageDataGenerator
import numpy as np
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
vgg_conv = VGG16(weights='imagenet', include_top=False, input_shape=(48, 48, 3)) # 48 its a minimum width 

>> type(x_train) #we have numpy here
numpy.ndarray

为了转换图像，我使用skimage(不知道为什么，但它似乎有效):

from  skimage import transform
new_shape = (48,88,3)
x_train = np.asarray([transform.resize(image, new_shape) for image in x_train])

接下来我们将其传递给生成器，以便能够批量向 NN 提供数据。不幸的是它没有 target_size 参数，所以我之前使用过 resize:

train_generator = datagen.flow(
    x_train, 
    batch_size=batch_size, 
    shuffle=True)

然后我迭代 train_generator 但没有运气:

for inputs_batch  in train_generator:
    features_batch = vgg_conv.predict(inputs_batch)
    train_features[i * batch_size : (i + 1) * batch_size] = features_batch 
    i += 1
    if i * batch_size >= nImages:
        break

这是我收到的错误:

ValueError Traceback (most recent call last) ----> 2 features_batch = vgg_conv.predict(inputs_batch) ValueError: Error when checking input: expected input_4 to have shape (48, 48, 3) but got array with shape (48, 88, 3)

该问题可能与流生成器有关，其中:

    # Returns
        An `Iterator` yielding tuples of `(x, y)`
            where `x` is a numpy array of image data
            (in the case of a single image input) or a list
            of numpy arrays (in the case with
            additional inputs) and `y` is a numpy array
            of corresponding labels. If 'sample_weight' is not None,
        the yielded tuples are of the form `(x, y, sample_weight)`.
        If `y` is None, only the numpy array `x` is returned.

所以我有两个问题:这里出了什么问题，有没有更好的方法来调整图像大小，也许有一些内置于 Keras 函数中？

Answer 1

(注意: as per requested by OP，我已将我的评论合并到这个答案中。)

1. 这里有一个拼写错误:new_shape = (48,88,3);它应该是 new_shape = (48,48,3)，即 48 而不是 88，如错误所示。

2. 不要忘记通过将 rescale=1./255 传递给 ImageDataGenerator 来标准化图像。

3. 至于调整图像大小，您当前的方法很好。但您也可以尝试 this SO answer 中提供的解决方案。上述解决方案的优点是它将成为模型的一部分，您可以向模型提供任意大小的图像。