重塑输出尺寸以适合Keras模型

如何解决重塑输出尺寸以适合Keras模型

我有一个Keras模型，用于猫数据集的关键点检测。对于每个彩色图像，都有3个关键点以及相应的3个热图。模型的输入图像是64、64、3 相应的输出的形状为3,64,64。

我正在通过以下功能准备裁剪和调整大小的热图：

def crop_heatmaps():

   dataset['cropped_heatmaps'] = []
   
   for i in range(len(dataset['heatmaps'])):

        cropped_heats = []
        heatmaps = dataset['heatmaps'][i]
        bb = dataset['bbs'][i]
        

        x1 = max(bb[0] - 20,0) #avoid negative coordinates of the extended bounding Box
        y1 = max(bb[1] - 20,0)
        x2 = bb[2] + 20
        y2 = bb[3] + 20

        for heat in heatmaps:

            cropped_heat = heat[y1:y2,x1:x2]
            resized_heat = cv2.resize(cropped_heat,(64,64))
            #plt.imshow(resized_heat)

            cropped_heats.append(resized_heat)

            cropped_heatmaps = np.array(cropped_heats)
            
            dataset['cropped_heatmaps'].append(cropped_heats)

我创建了2个用于输入和输出的dataimageGenerator，并将它们压缩在一起。

train_generator = zip(img_train_generator,heatmaps_train_generator)

history = model.fit((pair for pair in train_generator),epochs=30,validation_data=(),verbose=1
                  )

拟合模型时出现此错误：不兼容的形状：[128,3,64]与[128,64]

模型如下：

input_1（InputLayer）[[None，64，64，3）] 0

block1_conv1（Conv2D）（无，64，64，64）1792

block1_conv2（Conv2D）（无，64、64、64）36928

block1_pool（MaxPooling2D）（无，32，32，64）0

block2_conv1（Conv2D）（无，32、32、128）73856

block2_conv2（Conv2D）（无，32、32、128）147584

bottleneck_1（Conv2D）（无，32、32、160）5243040

bottleneck_2（Conv2D）（无，32、32、160）25760

upsample_1（Conv2DTranspose）（无，64，64，3）1920

我尝试过

np.reshape(cropped_heatmaps,3))

但是它不起作用。如何重塑热图以获得64、64、3？（3个频道）

解决方法

如果要更改轴1和2 ip，可以使用： np.moveaxis（x，1,2）

示例：

import numpy as np

x = np.zeros((128,64,3,32))
print(x.shape)

y = np.moveaxis(x,1,2)
print(y.shape)

出局：

(128,32)
(128,32)
>>>

具有（64,3）至（3,64）

可以使用：

import numpy as np

x = np.zeros((64,3))
print(x.shape)

y = np.moveaxis(x,-1,0)
print(y.shape)

出局：

(64,3)
(3,64)
>>>