U-Net：長方形画像の処理について

Question

機械学習について質問です。かなり初歩的な質問で申し訳ないです。

セグメンテーションとして、U-Netを試しに動かしてみたいです。
いろんなサイトにConv2Dと載っていて、畳み込みなんだなというのはわかるのですが、
どのサイトも、画像が正方形でほとんどが2のn乗×2のn乗で、エンコーダ側はいい感じにサイズが2で割れていき、デコーダ側はいい感じにサイズが2倍できてるのですが、長方形の画像などではどのようにネットワークに入れたら良いのでしょうか。

それともZeroPaddingをうまく使えばいいのですか？

kerasを使いたいのでこちらのU-Net参考にしたのですが、どの部分を変えたら良いのでしょうか？

一番最初の入力層の(256 × 256 × input_channel_count)とありますが、こちらは画像のピクセルごとのRGB値というのはわかるのですが、一番最後の出力層の(256 × 256 × output_channel_count)は、何を示しているのでしょうか？
output_channel_countは1でつまりグレースケール、とあるのですが、グレースケールの輝度がどれかのクラスを指す、ということでしょうか。
使いたいデータセットは5クラス分類で、真値画像を前処理として、uint8とかでグレースケールで保存した覚えがあります。

お力添えをお願いします

Answer 1

画像を入力前にモデルの入力サイズにリサイズして、出力されたセグメンテーション結果を元の画像サイズにリサイズし直せばいいのではないでしょうか？

CNN モデルで元の画像がモデルの入力サイズと異なる場合は、基本的に前処理、後処理のリサイズで対応していると思います。

Comments

[quiqui59911225]

ご回答ありがとうございました！