我目前正在尝试在TensorFlow中实现FCN for semantic segmentation,就像之前在Caffe here中所做的那样.
不幸的是,我正在努力完成以下三件事：
1)如何将“Deconvolution”图层从Caffe映射到TensorFlow？这是正确的tf.nn.conv2d_transpose吗？
2)如何将“Crop”图层从Caffe映射到TensorFlow？不幸的是,我在TensorFlow中看不到任何替代方案.在TensorFlow中有相同的效果吗？
3)Caffe SoftmaxWithLoss对应于TensorFlow softmax_cross_entropy_with_logits吗？
提前感谢您提供任何建议,提示和帮助.
编辑2016年5月9日：
1)我发现tf.nn.conv2_transpose确实对应于反卷积层.
2)现在作物层似乎真的是一个问题.我发现实际上存在tf.image.resize_image_with_crop_or_pad,但这似乎不可能用于此目的,因为它不能用于动态创建的张量,也不能用于tf.nn.conv2_transpose层之后需要使用的4D张量.
可能会提供更多信息：https://github.com/tensorflow/tensorflow/issues/2049
编辑2016年5月17日：
我已经关注@ 24hours建议并在tensorflow中构建FCN,尽管我无法对任意大小的数据进行训练.
2)真的不需要裁剪层.
3)我最后使用了tf.nn.sparse_softmax_cross_entropy_with_logits,它对我有用.
解决方法:
感谢@ 24hours的建议,我找到了所有3个问题的答案.不幸的是,张量流中任意大小的FCN都比caffe复杂一点,但希望我能尽快解决这个问题.
1)可以使用tf.nn.conv2d_transpose.
2)不需要裁剪层,可以使用tf.nn.conv2d_transpose图层的output_size.
3)最后我使用了tf.nn.sparse_softmax_cross_entropy_with_logits