python - Tensorflow 随机输入大小
问题描述
获得
我有包含默认区域的图像...原始图像的大小约为 3072x16000,非常大!长度可以随机变化,具体取决于产品长度。该图像来自轮廓仪,看起来像:
车队的速度是固定的。图片长度取决于产品。我们不能进行“在线”处理,因为采集和图像处理来自不同的供应商。
第一个供应商给出产品的个人形象,产品长度不固定。
默认值
默认值非常小(小于 256x256 像素),然后我将其裁剪,学习 CNN 如何从一致区域(均为 256x256x1 像素)中识别它。
目的是将网络训练集中在 ROI 上,因为我没有庞大的图像数据库。
我需要非常高的分辨率来获得小的默认值。分类判定是在 256x256px 的小子图像上。
我将有大约 20 类默认值和 4 类符合区域(取决于我在图像中的位置)。我使用灰度图像来识别默认值。
我可以在“好”/“坏”类之间分类我的 256x256px 小图像。
如果一个区域被确定为“不良”,则该产品是“可疑的”并被隔离......
美国有线电视新闻网
我使用 TensorFlow 并重新训练了一个 mobilenet 网络,该网络在 256x256 图像上运行良好,好像训练时间很长。
现在我面临其他问题。输入图像大小实际上约为 3072x16000 像素。
有没有推荐的方法在这些巨大的图像上使用我的预训练 CNN?
我应该如何剪切它并将其传递给我的 CNN?
非常感谢 !
解决方案
推荐阅读
- mongodb - 无法使用从 csv 文件导入的数据进行查询
- url - TYPO3 9 LTS - 多域环境中的站点配置
- google-apps-script - Google 表格中的条件边框
- javascript - 使用 innerText 加速 HTML 渲染
- spring-boot - 异常启动 SpringBootApplication - 无法启动 Web 服务器
- java - Android Studio、Volley、api响应第一次点击不显示
- php - 如果用户未登录 Woocommerce,请避免将特定产品类别添加到购物车
- c# - 使用 Windows 命令删除文件并显示已删除文件的列表
- r - 使用 ggplot 进行更高效的绘图
- gulp - 流吞咽过滤器错误