在Keras中训练和验证具有不同分辨率的图像

Question

我正在使用Keras构建卷积神经网络来执行从显微图像到2D标签数据(用于计数)的回归.我正在研究在较小的微观数据补丁上训练网络(其中补丁是感受野的大小).问题是,该fit()方法要求验证数据与输入的大小相同.相反,我希望能够验证整个图像(而不是补丁),以便我可以在整个验证集上进行验证,并将结果与​​我迄今使用的其他方法进行比较.

一种解决方案,我发现是之间交替fit()和evaluate()每个历元.但是,我希望能够使用Tensorboard观察这些结果.由于evaluate()不接受回调,这种解决方案并不理想.在修补补丁的过程中,有没有人能够很好地验证全分辨率图像？

Answer 1

您可以使用fit generator代替fit并为验证集提供不同的生成器。只要网络的其余部分与图像大小无关（例如，完全卷积层），就应该没问题。