使用 keras 使用预训练的 VGG 实现感知损失

Question

我对 DL 和 Keras 比较陌生。

我正在尝试使用 Keras 中预训练的 VGG16 来实现感知损失，但遇到了一些麻烦。我已经找到了question，但我还在苦苦挣扎：/

我的网络应该做什么的简短说明：

我有一个 CNN（后来称为 mainModel），它获取灰度图像作为输入（#TrainData, 512, 512, 1）并输出相同大小的灰度图像。网络应该减少图像中的伪影——但我认为这对这个问题并不重要。而不是使用例如MSE作为损失函数，我想实现感知损失。

我想做的事（希望我已经正确理解了知觉损失的概念）：

我想在我的 mainModel 中附加一个 lossModel（预训练的 VGG16 和固定参数）。然后我想将mainModel的输出传递给lossModel。此外，我将标签图像 (Y_train) 传递给 lossModel。进一步，我使用例如比较 lossModel 的特定层（例如 block1_conv2）的激活。 MSE 并将其用作损失函数。

到目前为止我做了什么：

加载数据并创建mainModel：

### Load data ###
with h5py.File('.\train_test_val.h5', 'r') as hf:
    X_train = hf['X_train'][:]
    Y_train = hf['Y_train'][:]
    X_test = hf['X_test'][:]
    Y_test = hf['Y_test'][:]
    X_val = hf['X_val'][:]
    Y_val = hf['Y_val'][:]

### Create Main Model ###
input_1 = Input((512,512,9))
conv0 = Conv2D(64, (3,3), strides=(1,1), activation=relu, use_bias=True, padding='same')(input_1)
.
.
.

mainModel = Model(inputs=input_1, outputs=output)

创建 lossModel，将其附加到 mainModel 并修复参数：

### Create Loss Model (VGG16) ###
lossModel = vgg16.VGG16(include_top=False, weights='imagenet', input_tensor=mainModel.output, input_shape=(512,512, 1))
lossModel.trainable=False

for layer in lossModel.layers:
    layer.trainable=False

创建包含两个网络的新模型并编译它

### Create new Model ###
fullModel = Model(inputs=mainModel.input, outputs=lossModel.output)

fullModel.compile(loss='mse', optimizer='adam',metrics=['mse','mae'])
fullModel.summary()

通过 lossNetwork 调整标签图像：

Y_train_lossModel = lossModel.predict(Y_train)

使用感知损失拟合 fullModel：

fullModel.fit(X_train, Y_train_lossModel, batch_size=32, epochs=5, validation_data=[X_val,Y_val])

出现的问题：

• VGG16 想要获取形状 (?,?,3) 的输入，但我的 mainModel 输出的是灰度图像 (​​?,?,1)

• 将 lossModel 附加到 mainModel 的一些问题

RuntimeError: Graph disconnected: cannot get value for tensor Tensor("conv2d_2/Relu:0", shape=(?, 512, 512, 3), dtype=float32) at layer "input_2".访问以下先前层没有问题：[]

• 如何计算特定层激活而不是 lossModel 输出的 MSE？

非常感谢您的帮助，很抱歉这个非常长的问题:)

Answer 1

频道数

嗯，第一个问题很重要。

VGG 模型用于对具有 3 个通道的图像进行着色...因此，它完全不适合您的情况。我不确定是否有黑白图像的模型，但您应该搜索它们。

一个我不知道是否会奏效的解决方法是制作 3 份 mainModel 的输出。

tripleOut = Concatenate()([mainModel.output,mainModel.output,mainModel.output])

图表已断开

这意味着您在代码中的任何地方都没有在fullModel 的输入和输出之间创建连接。您必须将mainModel 的输出连接到lossModel 的输入

但首先，让我们为多个输出准备 VGG 模型。

为多个输出准备lossModel

您必须选择 VGG 模型的哪些层将用于计算损失。如果您只使用最终输出，则不会有真正好的感知损失，因为最终输出更多地是由概念而不是特征组成的。

因此，在您选择图层后，列出它们的索引或名称：

selectedLayers = [1,2,9,10,17,18] #for instance

让我们从 VGG16 制作一个新模型，但有多个输出：

#a list with the output tensors for each selected layer:
selectedOutputs = [lossModel.layers[i].output for i in selectedLayers]
     #or [lossModel.get_layer(name).output for name in selectedLayers]

#a new model that has multiple outputs:
lossModel = Model(lossModel.inputs,selectedOutputs)

加入模型

现在，我们在这里创建两个模型之间的连接。

我们将mainModel 的输出作为输入，调用lossModel（就好像它是一个层）：

lossModelOutputs = lossModel(tripleOut) #or mainModel.output if not using tripeOut

现在，图从 mainModel 的输入完全连接到 lossModel 的输出，我们可以创建 fullModel：

fullModel = Model(mainModel.input, lossModelOutputs)

#if the line above doesn't work due to a type problem, make a list with lossModelOutputs:
lossModelOutputs = [lossModelOutputs[i] for i in range(len(selectedLayers))]

培训

像你一样接受这个新lossModel 的预测。但对于解决方法，让我们也将其设为三通道：

triple_Y_train = np.concatenate((Y_train,Y_train,Y_train),axis=-1)
Y_train_lossModel = lossModel.predict(triple_Y_train)
#the output will be a list of numpy arrays, one for each of the selected layers   

确保在fullModel.compile() 之前使lossModel 的每一层都不可训练。

如果您希望所有输出都使用“mse”，您只需这样做：

fullModel.compile(loss='mse', ...)

如果您希望每一层都有不同的损失，请传递损失列表：

fullModel.compile(loss=[loss1,loss2,loss3,...], ...)

其他注意事项

由于 VGG 应该处理 caffe 格式的图像，您可能需要在 mainModel 之后添加几层以使输出适合。这不是绝对必需的，但它会使用 VGG 的最佳性能。

了解 keras 如何将输入图像从 0 到 255 转换为 caffe 格式here at line 15 or 44