如何使用彩色图像进行 Tensorflow 图像分类？

Question

我正在关注使用 Fashion MNIST 数据集的 Tensorflow image classification 教程。每张图片都是一张 28x28 的灰度图：

train_images[0].shape
(28, 28)

...在本教程的后面部分将其归一化并将其馈送到 Flatten 层。

train_images = train_images / 255.0
# ...
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

我有一个使用 matplotlib 导入的彩色 PNG 数据集，其形状为：

(400, 400, 3)

鉴于图像 (28,28) 与 (400, 400, 3) 的不同形状，我如何调整分类器以使用它...而不转换为灰度？

Answer 1

一个小例子：

model = keras.Sequential([
keras.layers.Flatten(input_shape=(400, 400, 3)),
keras.layers.Conv2D(32,kernel_size=3,strides=(1,1),activation='relu', padding='same'),
keras.layers.Conv2D(32,kernel_size=3,strides=(2,2),activation='relu', padding='same'),
keras.layers.Conv2D(64,kernel_size=3,strides=(1,1),activation='relu', padding='same'),
keras.layers.Conv2D(64,kernel_size=3,strides=(2,2),activation='relu', padding='same'),
keras.layers.Conv2D(128,kernel_size=3,strides=(1,1),activation='relu', padding='same'),
keras.layers.Conv2D(128,kernel_size=3,strides=(2,2),activation='relu', padding='same'),
keras.layers.Conv2D(256,kernel_size=3,strides=(1,1),activation='relu', padding='same'),
keras.layers.Conv2D(256,kernel_size=3,strides=(2,2),activation='relu', padding='same'),
keras.layers.GlobalAveragePooling2D(),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.Dense(10, activation=tf.nn.softmax)

])

或者你可以使用keras.applications的预训练模型：

from keras.applications.resnet50 import ResNet50
base_model = ResNet50(weights='imagenet',include_top=False,input_shape=(400,400,3)) 
x=base_model.output
x=GlobalAveragePooling2D()(x)
x=Dense(10,activation='softmax')(x)
model=Model(base_model.input,x)