如何在Keras中实施Salt＆Pepper层？

问题描述 投票：1回答：2

我需要像高斯噪声一样在keras中实现盐和胡椒层，我尝试使用以下代码，但它会产生几个错误。你能告诉我这是什么问题吗？你对实施S＆P层有什么其他建议吗？谢谢。

from keras.engine.topology import Layer

class SaltAndPepper(Layer):

    def __init__(self, ratio, **kwargs):
        super(SaltAndPepper, self).__init__(**kwargs)
        self.supports_masking = True
        self.ratio = ratio

    def call(self, inputs, training=None):
        def noised():
            r = self.ratio*10
            s = inputs.shape[1]
            n = int( s * r/10 )
            perm = np.random.permutation(r)[:n]
            inputs[perm] = (np.random.rand(n) > 0.5)
            return inputs

        return K.in_train_phase(noised(), inputs, training=training)

    def get_config(self):
        config = {'ratio': self.ratio}
        base_config = super(SaltAndPepper, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

Traceback（最近一次调用最后一次）：

文件“”，第125行，在decoding_noise中= SaltAndPepper（0.5）（已解码）

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ base_layer.py”，第457行，在call output = self.call中（输入，** kwargs）

文件“”，第57行，在呼叫返回K.in_train_phase（noised（），输入，训练=训练）

文件“”，第52行，noised n = int（s * r / 10）

TypeError：/：'Dimension'和'int'的不支持的操作数类型

更新：

我使用@ today的解决方案并编写了以下代码：

decoded_noise=call(0.05,bncv11)#16

其中bncv11是批量标准化层的输出。

但它产生了这个错误，为什么会发生？

Traceback（最近一次调用最后一次）：

文件“”，第59行，在decoding_noise = call（0.05，bncv11）＃16

文件“”，第34行，在通话中返回K.in_train_phase（noised（），输入，训练=训练）

文件“”，第29行，noised mask_select = K.random_binomial（shape = shp，p = self.ratio）

AttributeError：'float'对象没有属性'ratio'

保存模型并使用它后会产生此错误：

Traceback（最近一次调用最后一次）：

文件“”，第1行，b = load_model（'Desktop / los4x4_con_tile_convolw_FBN_SigAct_SandPAttack05.h5'，custom_objects = {'tf'：tf}）

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ saving.py”，第419行，在load_model中模型= _deserialize_model（f，custom_objects，compile）

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ saving.py”，第225行，在_deserialize_model model = model_from_config（model_config，custom_objects = custom_objects）

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ saving.py”，第458行，在model_from_config中返回deserialize（config，custom_objects = custom_objects）

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ layers__init __。py”，第55行，反序列化printable_module_name ='layer'）

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ utils \ generic_utils.py”，第145行，在deserialize_keras_object列表中（custom_objects.items（））））

在from_config process_layer（layer_data）中输入文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ network.py”，第1022行

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ engine \ network.py”，第1008行，在process_layer custom_objects = custom_objects中）

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ layers__init __。py”，第55行，反序列化printable_module_name ='layer'）

文件“D：\ software \ Anaconda3 \ envs \ py36 \ lib \ site-packages \ keras \ utils \ generic_utils.py”，第138行，在deserialize_keras_object'中：'+ class_name）

ValueError：未知图层：SaltAndPepper

我将此代码放在我定义网络结构的程序中：

from keras.engine.topology import Layer

class SaltAndPepper(Layer):

    def __init__(self, ratio, **kwargs):
        super(SaltAndPepper, self).__init__(**kwargs)
        self.supports_masking = True
        self.ratio = ratio

    # the definition of the call method of custom layer
    def call(self, inputs, training=True):
        def noised():
            shp = K.shape(inputs)[1:]
            mask_select = K.random_binomial(shape=shp, p=self.ratio)
            mask_noise = K.random_binomial(shape=shp, p=0.5) # salt and pepper have the same chance
            out = inputs * (1-mask_select) + mask_noise * mask_select
            return out

        return K.in_train_phase(noised(), inputs, training=training)

    def get_config(self):
        config = {'ratio': self.ratio}
        base_config = super(SaltAndPepper, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))
python tensorflow image-processing keras noise
2个回答
1
投票

在图像处理中，盐和胡椒噪声基本上将随机选择的像素比率的值改变为盐（即白色，通常为1或255，取决于图像值的范围）或胡椒（即黑色）通常是0）。虽然，除了图像处理之外，我们可以在其他领域使用相同的想法。所以你必须先指定三件事：

  1. 应该改变多少个像素？ （噪音比）
  2. 应选择和更改哪些像素？
  3. 哪些选定的像素应该被盐渍（另一个是胡椒）？

由于Keras后端有一个函数可以从给定概率的二项分布（即0或1）生成随机值，我们可以通过生成两个掩码轻松完成上述所有步骤：一个用于选择具有给定比率的像素，另一个用于将盐或胡椒涂在那些选定的像素上。这是怎么做的：

from keras import backend as K

# NOTE: this is the definition of the call method of custom layer class (i.e. SaltAndPepper)
def call(self, inputs, training=None):
    def noised():
        shp = K.shape(inputs)[1:]
        mask_select = K.random_binomial(shape=shp, p=self.ratio)
        mask_noise = K.random_binomial(shape=shp, p=0.5) # salt and pepper have the same chance
        out = inputs * (1-mask_select) + mask_noise * mask_select
        return out

    return K.in_train_phase(noised(), inputs, training=training)

请注意上面的代码我假设了一些事情：

  • 给定噪声比的值在[0,1]范围内。
  • 如果您使用此图层直接将其应用于图像，则必须注意它假定图像是灰度（即单色通道）。要将其用于RGB图像（即三个颜色通道），您可能需要对其进行一些修改，以便选择具有所有通道的像素来添加噪声（尽管这取决于您如何定义和使用盐和胡椒噪声）。
  • 假设salt的值为1，胡椒的值为0.虽然，您可以通过更改x的定义，轻松地将salt的值更改为y和pepper to mask_noise，如下所示： mask_noise = K.random_binomial(shape=shp, p=0.5) * (x-y) + y
  • 对批次中的所有样品应用相同的噪声模式（但是，批次之间会有所不同）。
0
投票

我不认为可以在模型中使用图层，但在深度学习中，总是有一个称为图像预处理的过程，其中包括去除噪声，图像大小调整等等，这样您就可以在将图像输入神经元之前预处理图像。 。

open cv library是最好的做这样的问题

检查：https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_filtering/py_filtering.html

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.