卷积层特征图上的特殊功能

Question

简而言之：

如何将特征图从 Keras 中定义的卷积层传递给特殊函数（区域提议者），然后再传递给其他 Keras 层（例如 Softmax 分类器）？

长：

我正在尝试在 Keras 中实现类似 Fast R-CNN（not Faster R-CNN）的东西。这样做的原因是因为我正在尝试实现如下图所示的自定义架构：

这是上图的代码（不包括候选人输入）：

from keras.layers import Input, Dense, Conv2D, ZeroPadding2D, MaxPooling2D, BatchNormalization, concatenate
from keras.activations import relu, sigmoid, linear
from keras.initializers import RandomUniform, Constant, TruncatedNormal, RandomNormal, Zeros

#  Network 1, Layer 1
screenshot = Input(shape=(1280, 1280, 0),
                   dtype='float32',
                   name='screenshot')
conv1 = Conv2D(filters=96,
               kernel_size=11,
               strides=(4, 4),
               activation=relu,
               padding='same')(screenshot)
pooling1 = MaxPooling2D(pool_size=(3, 3),
                        strides=(2, 2),
                        padding='same')(conv1)
normalized1 = BatchNormalization()(pooling1)  # https://stats.stackexchange.com/questions/145768/importance-of-local-response-normalization-in-cnn

# Network 1, Layer 2

conv2 = Conv2D(filters=256,
               kernel_size=5,
               activation=relu,
               padding='same')(normalized1)
normalized2 = BatchNormalization()(conv2)
conv3 = Conv2D(filters=384,
               kernel_size=3,
               activation=relu,
               padding='same',
               kernel_initializer=RandomNormal(stddev=0.01),
               bias_initializer=Constant(value=0.1))(normalized2)

# Network 2, Layer 1

textmaps = Input(shape=(160, 160, 128),
                 dtype='float32',
                 name='textmaps')
txt_conv1 = Conv2D(filters=48,
                   kernel_size=1,
                   activation=relu,
                   padding='same',
                   kernel_initializer=RandomNormal(stddev=0.01),
                   bias_initializer=Constant(value=0.1))(textmaps)

# (Network 1 + Network 2), Layer 1

merged = concatenate([conv3, txt_conv1], axis=-1)
merged_padding = ZeroPadding2D(padding=2, data_format=None)(merged)
merged_conv = Conv2D(filters=96,
                     kernel_size=5,
                     activation=relu, padding='same',
                     kernel_initializer=RandomNormal(stddev=0.01),
                     bias_initializer=Constant(value=0.1))(merged_padding)

如上所示，我正在尝试构建的网络的最后一步是 ROI 池化，它在 R-CNN 中以这种方式完成：

现在是there is a code for ROI Pooling layer in Keras，但我需要向该层传递区域提案。您可能已经知道，区域建议通常由称为 Selective Search 的算法完成，which is already implemented in the Python。

---

问题：

Selective Search 可以轻松获取正常图像并为我们提供如下区域建议：

现在问题是，我应该从merged_conv1 层传递特征图而不是图像，如上面的代码所示：

merged_conv = Conv2D(filters=96,
                     kernel_size=5,
                     activation=relu, padding='same',
                     kernel_initializer=RandomNormal(stddev=0.01),
                     bias_initializer=Constant(value=0.1))(merged_padding)

上面的层只是对形状的引用，所以显然它不适用于选择性搜索：

>>> import selectivesearch
>>> selectivesearch.selective_search(merged_conv, scale=500, sigma=0.9, min_size=10)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/somepath/selectivesearch.py", line 262, in selective_search
    assert im_orig.shape[2] == 3, "3ch image is expected"
AssertionError: 3ch image is expected

我想我应该这样做：

from keras import Model
import numpy as np
import cv2
import selectivesearch
img = cv2.imread('someimage.jpg')
img = img.reshape(-1, 1280, 1280, 3)
textmaps = np.ones(-1, 164, 164, 128)  # Just for example
model = Model(inputs=[screenshot, textmaps], outputs=merged_conv)
model.compile(optimizer='sgd', loss='binary_crossentropy', metrics=['accuracy'])
feature_maps = np.reshape(model.predict([img, textmaps]), (96, 164, 164))
feature_map_1 = feature_maps[0][0]
img_lbl, regions = selectivesearch.selective_search(feature_map_1, scale=500, sigma=0.9, min_size=10)

但是如果我想添加让我们说接受“区域”变量的 softmax 分类器呢？ （顺便说一句，我知道除了通道 3 的输入之外，选择性搜索几乎没有问题，但这与问题无关）

问题：

区域提议（使用选择性搜索）是神经网络的重要组成部分，我该如何修改它以便从卷积层 merged_conv 获取特征图（激活）？

也许我应该创建自己的 Keras 层？

Answer 1

据我所知，selective-search 接受输入并返回 n 没有不同 (H,W) 的补丁。所以在你的情况下，feature-map 是暗淡的(164,164,96)，你可以假设(164,164) 作为选择性搜索的输入，它会给你n 补丁数量，对于 exp 为(H1,W1), (H2,W2),...。因此，您现在可以将所有 channel 按原样附加到该补丁，因此它变为暗淡 (H1,W1,96),(H2,W2,96),....。

注意：但这样做也有不利之处。 Selective-Search 算法使用的策略是破坏网格中的图像，然后根据对象的热图重新加入这些补丁。您将无法在特征图上做到这一点。但是你可以在上面使用随机搜索方法，它会很有用。