質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.91%

kerasを用いたalexnetのconcatenate(マルチモーダル学習)

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 1,333

black925

score 12

前提・実現したいこと

python3系でkerasを用いてalexnet2つの結合層までの出力をconcatenateしたいのですが,エラーが解決できません
rgbでの224,224,3の画像と,3次元情報を画像化した224,224,3の画像を学習に使用したいと考えています
また今のままでは全層trainbleになっていると思うのですが学習する層の指定もしたいです

発生している問題・エラーメッセージ

RuntimeError: Graph disconnected: cannot obtain value for tensor Tensor("conv2d_1_input:0", shape=(?, 224, 224, 3), dtype=float32) at layer "conv2d_1_input". The following previous layers were accessed without issue: []

該当のソースコード

python3

concatenate_RGB-D.py

import keras
from keras import backend as K, optimizers
from keras.preprocessing.image import ImageDataGenerator
from keras.optimizers import Adam
from keras.losses import categorical_crossentropy
from keras.callbacks import EarlyStopping, ReduceLROnPlateau, ModelCheckpoint
from keras.models import save_model, load_model
from keras.layers import BatchNormalization, Embedding, Concatenate, Maximum, Add
from keras.preprocessing.image import array_to_img, img_to_array, load_img
from keras.utils.np_utils import to_categorical
import os
import numpy as np
from keras.models import Sequential, Model
from keras.layers import Input, Dropout, Flatten, Conv2D, MaxPooling2D, Dense, Activation, BatchNormalization
from keras.applications.vgg16 import VGG16
from keras.optimizers import Adagrad
from keras.optimizers import Adam
from keras.optimizers import SGD
from keras.layers import Activation, Dropout, Conv1D, Conv2D, Reshape, Lambda
import sys
from alex_rgb import alex_rgb
from alex_d import alex_d

ROWS = 224
COLS = 224
CHANNELS = 3
label_list = []
image_list = []

クラスの個数を指定

CLASSES = 3
batch = 32
epoch = 100

rgb_label_list = []
d_label_list = []

rgb_img_list = []
d_img_list = []

train_dir = 'C:/Users/hash/PycharmProjects/keras_deep/RGB-D/test_sukunai/'

path以下の*ディレクトリ以下の画像を読み込む。

for train_path in os.listdir(train_dir):
for dir in os.listdir('{}{}'.format(train_dir, train_path)):

print('{}{}/{}'.format(train_dir, train_path, dir))

for file in os.listdir('{}{}/{}'.format(train_dir, train_path, dir)):
if str(train_path) == "depth":
d_label_list.append(int(dir) - 1)
img = img_to_array(
load_img('{}{}/{}/{}'.format(train_dir, train_path, dir, file), target_size=(ROWS, COLS, CHANNELS)))
d_img_list.append(img)

elif str(train_path) == "rgb":
img = img_to_array(
load_img('{}{}/{}/{}'.format(train_dir, train_path, dir, file), target_size=(ROWS, COLS, CHANNELS)))
rgb_img_list.append(img)

Y = to_categorical(d_label_list)

input_img_rgb = Input(shape=(ROWS, COLS, CHANNELS), name="input_tensor_rgb")
input_img_d = Input(shape=(ROWS, COLS, CHANNELS), name="input_tensor_d")

cnn1 = alex_rgb()
cnn2 = alex_d()

leave only maximum features to eliminate null inputs

network = Concatenate()([cnn1, cnn2])
network = Dense(4096, activation='relu', name="last_dense")(network)

classification layer

network = Dropout(0.5)(network)
network = Dense(CLASSES, activation='softmax', name='softmax')(network)

model = Model(inputs=[input_img_rgb, input_img_d], outputs=network)

model.compile(optimizer=Adam(lr=1e-4, decay=1e-6),
loss=categorical_crossentropy,
metrics=['accuracy'])

model.summary()  # モデルの表示

img_list = [bark_img_list, leaf_img_list, form_img_list]

numpy配列に変更

img_list = [bark_img_list, leaf_img_list, form_img_list]

rgb_img_list = np.array(rgb_img_list)
d_img_list = np.array(d_img_list)

学習を実行。10%はテストに使用。

fit = model.fit(([rgb_img_list, d_img_list]), Y,
batch_size=batch, epochs=epoch, validation_split=0.1)

model.save('./my_model_RGB_D_10.h5')
model.save_weights('./my_model_weights_RGB_D_10.h5')

ここからalex_rgb.py

import ...

def conv2d(filters, kernel_size, strides=1, bias_init=1, **kwargs):
trunc = TruncatedNormal(mean=0.0, stddev=0.01)
cnst = Constant(value=bias_init)
return Conv2D(
filters,
kernel_size,
strides=strides,
padding='same',
activation='relu',
kernel_initializer=trunc,
bias_initializer=cnst,
**kwargs
)

def dense(units):
trunc = TruncatedNormal(mean=0.0, stddev=0.01)
cnst = Constant(value=1)
return Dense(
units,
activation='tanh',
kernel_initializer=trunc,
bias_initializer=cnst
)

def alex_rgb():
model = Sequential()

第1畳み込み層

model.add(conv2d(96, 11, strides=(4, 4), bias_init=0, input_shape=(224, 224, 3)))
model.add(MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))
model.add(BatchNormalization())

第2畳み込み層

model.add(conv2d(256, 5, bias_init=1))
model.add(MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))
model.add(BatchNormalization())

第3~5畳み込み層

model.add(conv2d(384, 3, bias_init=0))
model.add(conv2d(384, 3, bias_init=1))
model.add(conv2d(256, 3, bias_init=1))
model.add(MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))
model.add(BatchNormalization())

密結合層

model.add(Flatten())
model.add(dense(4096))
model.add(Dropout(0.5))
model.add(dense(4096))
model.add(Dropout(0.5))

読み出し層

nn = model.output

return nn

試したこと

alex_rgb.pyの入力にinput_img_rgbの入力があわせられていない気がするのですが書き方がわからずに困っています
alex_rgb.pyとd_alex.pyは処理自体が同じですがあとで書き換えるため違うフォルダに記述しています(今回は2つの処理が全く同じなのでd_alex.pyを省略しています)

補足情報(FW/ツールのバージョンなど)

concatenate_RGB-D.pyでフォルダ内の画像をlistに格納,2つのcnnの指定,cnnの統合,結合層の学習をする予定で
alex_rgb.pyとalex_d.pyでそれぞれのcnnの中身を書く予定です
keras==2.1.3で環境自体は実行に問題は無いと思います(他ソースコードは動いています)

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.91%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る