数组维度不一致误差与图像分割网络

47个视图(30天)

显示旧的评论

雅各Heiss 在2023年6月14日在4点58准时醒来

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1982634-dimensions-of-arrays-not-consistent-error-with-image-segmentation-network

编辑: Vinayak Agrawal约23小时前

我得到一个错误在我的80行代码(当我试着培养网络),它表示数组的尺寸被连接是不一致的。后调查问题有点我双重检查和我所有的输入图像1024 x1024所以我不确定问题是来自哪里。

                          清晰的所有;
                         
                          clc;
                         
                          dataSetDir =”雅各布C: \用户\ \文件\学校\图像分割训练数据的;
                         
                          imageDir = fullfile (dataSetDir,“核心”);
                         
                          labelDir = fullfile (dataSetDir,“标签Despeckeled”);
                         
                          imd = imageDatastore (imageDir);
                         
                          一会= [“背景”,“核心”];
                         
                          labelIDs = (255 0);
                         
                          一会,pxds = pixelLabelDatastore (labelDir labelIDs);
                         
                          % I =阅读(imd);
                         
                          % C =阅读(pxds);
                         
                          %
                         
                          % I = imresize (5);
                         
                          % L = imresize (uint8 (C {1}), 5);
                         
                          % imshowpair (L,我“蒙太奇”)
                         
                          numFilters = 64;
                         
                          filterSize = 3;
                         
                          numClasses = 2;
                         
                          inputSize = (1024、1024、3);
                         
                          imgLayer = imageInputLayer (inputSize);
                         
                          conv = convolution2dLayer (filterSize numFilters,“填充”1);
                         
                          relu = reluLayer ();
                         
                          poolSize = 2;
                         
                          maxPoolDownsample2x = maxPooling2dLayer (poolSize,“步”2);
                         
                          downsamplingLayers = [
                         
                          conv
                         
                          线性整流函数（Rectified Linear Unit）
                         
                          maxPoolDownsample2x
                         
                          conv
                         
                          线性整流函数（Rectified Linear Unit）
                         
                          maxPoolDownsample2x
                         
                          conv
                         
                          线性整流函数（Rectified Linear Unit）
                         
                          maxPoolDownsample2x
                         
                          ];
                         
                          filterSize = 4;
                         
                          numFilters transposedConvUpsample2x = transposedConv2dLayer(4日,“步”2,“种植”1);
                         
                          upsamplingLayers = [
                         
                          transposedConvUpsample2x
                         
                          线性整流函数（Rectified Linear Unit）
                         
                          transposedConvUpsample2x
                         
                          线性整流函数（Rectified Linear Unit）
                         
                          transposedConvUpsample2x
                         
                          线性整流函数（Rectified Linear Unit）
                         
                          ];
                         
                          conv1x1 = convolution2dLayer (1、numClasses);
                         
                          finalLayers = [
                         
                          conv1x1
                         
                          softmaxLayer ()
                         
                          pixelClassificationLayer ()
                         
                          ];
                         
                          层= [
                         
                          imgLayer
                         
                          downsamplingLayers
                         
                          upsamplingLayers
                         
                          finalLayers
                         
                          ];
                         
                          选择= trainingOptions (“个”,…
                         
                          “InitialLearnRate”1 e - 3,…
                         
                          “MaxEpochs”15岁的…
                         
                          “MiniBatchSize”,64,…
                         
                          情节=“训练进步”);
                         
                          pxds trainingData =结合(imd);
                         
                          网= trainNetwork (trainingData层,选择);
                         
                          testImage = imread (”雅各布C: \用户\ \文件\学校\核心训练数据图像分割\ \ 231 - 001. - 00.1 nm阿霉素png”);
                         
                          imshow (testImage)
                         
                          C = semanticseg (testImage,净);
                         
                          B = labeloverlay (testImage C);
                         
                          imshow (B)