ケラス間違った画像サイズ

test-imagesのCNNモデルの精度をテストしたいと思います。以下は、mha形式のグラウンドトゥルース画像をpng形式に変換するためのコードです。ケラス間違った画像サイズ

このコードは、240x240の画像をpng形式で生成しています。しかし、それらの大部分は低コントラストまたは完全に黒くなっている。次に、これらの画像をラベル付き画像のクラスを知るための関数に渡します。

def predict_image(self, test_img, show=False): 
     ''' 
     predicts classes of input image 
     INPUT (1) str 'test_image': filepath to image to predict on 
       (2) bool 'show': True to show the results of prediction, False to return prediction 
     OUTPUT (1) if show == False: array of predicted pixel classes for the center 208 x 208 pixels 
       (2) if show == True: displays segmentation results 
     ''' 
     imgs = io.imread(test_img,plugin='simpleitk').astype('float').reshape(5,240,240) 
     plist = [] 

     # create patches from an entire slice 
     for img in imgs[:-1]: 
      if np.max(img) != 0: 
       img /= np.max(img) 
      p = extract_patches_2d(img, (33,33)) 
      plist.append(p) 
     patches = np.array(zip(np.array(plist[0]), np.array(plist[1]), np.array(plist[2]), np.array(plist[3]))) 

     # predict classes of each pixel based on model 
     full_pred = keras.utils.np_utils.probas_to_classes(self.model_comp.predict(patches)) 
     fp1 = full_pred.reshape(208,208) 
     if show: 
      io.imshow(fp1) 
      plt.show 
     else: 
      return fp1

私はValueError: cannot reshape array of size 172800 into shape (5,240,240)を取得しています。私は5を3に変更し、3X240X240 = 172800としました。しかし、それから新しい問題があるValueError: Error when checking : expected convolution2d_input_1 to have 4 dimensions, but got array with shape (43264, 33, 33)。

私のモデルは次のようになります。私はkeras 1.2.2を使用しています

 single = Sequential() 
     single.add(Convolution2D(self.n_filters[0], self.k_dims[0], self.k_dims[0], border_mode='valid', W_regularizer=l1l2(l1=self.w_reg, l2=self.w_reg), input_shape=(self.n_chan,33,33))) 
     single.add(Activation(self.activation)) 
     single.add(BatchNormalization(mode=0, axis=1)) 
     single.add(MaxPooling2D(pool_size=(2,2), strides=(1,1))) 
     single.add(Dropout(0.5)) 
     single.add(Convolution2D(self.n_filters[1], self.k_dims[1], self.k_dims[1], activation=self.activation, border_mode='valid', W_regularizer=l1l2(l1=self.w_reg, l2=self.w_reg))) 
     single.add(BatchNormalization(mode=0, axis=1)) 
     single.add(MaxPooling2D(pool_size=(2,2), strides=(1,1))) 
     single.add(Dropout(0.5)) 
     single.add(Convolution2D(self.n_filters[2], self.k_dims[2], self.k_dims[2], activation=self.activation, border_mode='valid', W_regularizer=l1l2(l1=self.w_reg, l2=self.w_reg))) 
     single.add(BatchNormalization(mode=0, axis=1)) 
     single.add(MaxPooling2D(pool_size=(2,2), strides=(1,1))) 
     single.add(Dropout(0.5)) 
     single.add(Convolution2D(self.n_filters[3], self.k_dims[3], self.k_dims[3], activation=self.activation, border_mode='valid', W_regularizer=l1l2(l1=self.w_reg, l2=self.w_reg))) 
     single.add(Dropout(0.25)) 

     single.add(Flatten()) 
     single.add(Dense(5)) 
     single.add(Activation('softmax')) 

     sgd = SGD(lr=0.001, decay=0.01, momentum=0.9) 
     single.compile(loss='categorical_crossentropy', optimizer='sgd') 
     print 'Done.' 
     return single

。バックグラウンド情報については、hereとhereを参照してください（前の記事のthisのfull_predictの変更によるものです）。これらのサイズが33,33の理由については、thisを参照してください。

出典

2017-03-22 Paul Schimmer