Загрузка данных в форму CNN OpenCV - PullRequest
Новая
       30

Загрузка данных в форму CNN OpenCV

0 голосов
/ 09 мая 2018

Я загружал кадры из видеофайлов с OpenCV в массив и использовал sklearn для разделения данных на X_train и X_test.

Мой X_train.shape равен (363, 1, 40, 40, 15), в настоящее время я работаю с 4 классами, и модель, которую я использую для изучения этих данных, имеет кодировку ниже: 

    model = Sequential()
    model.add(Conv3D(32, (3,3,3), activation='relu', input_shape=(1, 40, 40, 15), data_format='channels_first'))
    model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
    model.add(Conv3D(64, (3,3,3), activation='relu'))
    model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
    model.add(Conv3D(128, (3,3,3), activation='relu'))
    model.add(Conv3D(128, (3,3,3), activation='relu'))
    model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
    model.add(Conv3D(256, (2,2,2), activation='relu'))
    model.add(Conv3D(256, (2,2,2), activation='relu'))
    model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))

    model.add(Flatten())

    model.add(Dense(1024))
    model.add(Dropout(0.5))
    model.add(Dense(1024))
    model.add(Dropout(0.5))
    model.add(Dense(4, activation='softmax'))

Я получаю эту ошибку при попытке загрузить модель: 

ValueError: Negative dimension size caused by subtracting 2 from 1 for 'conv3d_44/convolution' (op: 'Conv3D') with input shapes: [?,25,1,1,256], [2,2,2,256,256].

Кто-то может мне помочь?

1 Ответ

0 голосов
/ 09 мая 2018

Это обсуждалось несколько раз на StackOverflow: см. здесь или здесь . В соответствии с параметрами сверточного и пулирующего слоя, тензор подвергается понижающей дискретизации после каждого Conv3D и MaxPooling3D. Вот как выглядит модель перед тем, как сломаться: 

Layer (type)                 Output Shape              Param #   
=================================================================
conv3d_1 (Conv3D)            (None, 32, 38, 38, 13)    896       
_________________________________________________________________
max_pooling3d_1 (MaxPooling3 (None, 32, 19, 19, 13)    0         
_________________________________________________________________
conv3d_2 (Conv3D)            (None, 30, 17, 17, 64)    22528     
_________________________________________________________________
max_pooling3d_2 (MaxPooling3 (None, 30, 8, 8, 64)      0         
_________________________________________________________________
conv3d_3 (Conv3D)            (None, 28, 6, 6, 128)     221312    
_________________________________________________________________
conv3d_4 (Conv3D)            (None, 26, 4, 4, 128)     442496    
_________________________________________________________________
max_pooling3d_3 (MaxPooling3 (None, 26, 2, 2, 128)     0         
_________________________________________________________________
conv3d_5 (Conv3D)            (None, 25, 1, 1, 256)     262400

Тензор (None, 25, 1, 1, 256) не может быть уменьшен в дальнейшем, следовательно, ошибка.

Решение состоит в том, чтобы настроить Conv3D параметры: либо используйте padding='same' (в этом случае форма тензора сохраняется после сверток и уменьшается вдвое только после объединения слоев), либо уменьшите размеры фильтра с 3 до 2.

Пример: 

model = Sequential()
model.add(Conv3D(32, (3,3,3), activation='relu', input_shape=(1, 40, 40, 15), data_format='channels_first', padding='same'))
model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
model.add(Conv3D(64, (3,3,3), activation='relu', padding='same'))
model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
model.add(Conv3D(128, (3,3,3), activation='relu', padding='same'))
model.add(Conv3D(128, (3,3,3), activation='relu', padding='same'))
model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))
model.add(Conv3D(256, (2,2,2), activation='relu', padding='same'))
model.add(Conv3D(256, (2,2,2), activation='relu', padding='same'))
model.add(MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)))

model.add(Flatten())

model.add(Dense(1024))
model.add(Dropout(0.5))
model.add(Dense(1024))
model.add(Dropout(0.5))
model.add(Dense(4, activation='softmax'))

model.summary()
...