前言

ResNet是一个比较成熟的深度学习分类模型，目前有ResNet-18、ResNet-34、ResNet-50、ResNet-101、ResNet-152，同时，该分类模型常用于RGB（三通道）彩色图像的分类任务，如在ImageNet的训练；而在单通道图像（灰度图像）的训练和测试较少。如何使ResNet在单通道图像上训练，如何修改网络模型参数和读取图像，本文将一一进行讲解。

步骤

第一步：构建数据集

数据集的结构应该是这样的
图像的格式：8bit，jpg格式

第二步：修改网络模型

法1：直接修改定义的ResNet网络模型
在model.py中，修改ResNet的第一层卷积层输入通道为1（彩色为3）

self.conv1 = nn.Conv2d(1, self.in_channel, kernel_size=7, stride=2,padding=3, bias=False)

法2：在train.py文件中，进行如下修改，也可以达到法1的效果

model = resnet18(num_classes=3)
model.conv1 = nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3, bias=False)
model = model.to(device)

第三步：修改读取数据方式

一般我们用torchvision.datasets.ImageFolder()读取数据，但在读取单通道数据时，此函数会自动将单通道图像转换为三通道图像（r=g=b），此时如果不进行其他操作，就会报错
这是ImageFolder（）函数的定义：留意读取的图像为PIL图像，且会转换为RGB格式
修改方法：
修改transform（图像预处理操作）
添加transforms.Grayscale(1)，将图像转换为单通道图像（经实验，图像矩阵的数据并不会发生变化）
transforms.Normalize修改如下，第一个参数为mean，第二个参数为std，因为是单通道，所以进行Z-Score时仅需要对一个通道进行操作

data_transforms = {'train': transforms.Compose([transforms.Grayscale(1),transforms.RandomResizedCrop(224),transforms.RandomHorizontalFlip(),transforms.ToTensor(),transforms.Normalize([0.485, ], [0.229, ])]),'val': transforms.Compose([transforms.Grayscale(1),transforms.Resize(256),transforms.CenterCrop(224),transforms.ToTensor(),transforms.Normalize([0.485, ], [0.229, ])])
}

第四步：训练分类网络并测试（注意测试时transform与‘val’方式一样）

总结

ResNet训练单通道主要修改两个部分，一个是ResNet模型第一层卷积层的in_channels=1，另一个是transform中添加Grayscale(1)以及修改Normalize。其实很简单，只是有时忽略了ImageFolder会自动将灰度图转换为RGB图，导致出错，希望本文能帮助您！

参考资料：

可以参考这位up主github里面的Test5_resnet，并在此基础上进行上述修改，训练自己的灰度图像！
https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/pytorch_learning

ResNet训练单通道图像分类网络（Pytorch）相关推荐

ResNet网络结构详解，网络搭建，迁移学习
前言: 参考内容来自up:6.1 ResNet网络结构,BN以及迁移学习详解_哔哩哔哩_bilibili up的代码和ppt:https://github.com/WZMIAOMIAO/deep-le ...
通过深度残差网络ResNet进行图像分类（pytorch网络多网络集成配置）
通过深度残差网络进行图像分类(pytorch网络多网络集成配置) 简介本项目通过配置文件修改,实现pytorch的ResNet18, ResNet34, ResNet50, ResNet101, R ...
ResNet残差网络Pytorch实现——对花的种类进行训练
ResNet残差网络Pytorch实现--对花的种类进行训练上一篇:[结合各个残差块] ✌✌✌✌ [目录] ✌✌✌✌ 下一篇:[对花的种类进行单数据预测] 大学生一枚,最近在学习神经网络,写这篇文章 ...
单通道灰度图片fine-tune训练网络与caffe批量分类测试
1. 转imdb灰度图数据一定要加上--gray,否则训练时报如下错误: GLOG_logtostderr=1 $TOOLS/convert_imageset \--resize_height=$R ...
python制作图片数据集_Pytorch自己加载单通道图片用作数据集训练的实例
pytorch 在torchvision包里面有很多的的打包好的数据集,例如minist,Imagenet-12,CIFAR10 和CIFAR100.在torchvision的dataset包里面,用 ...
LeNet图像分类网络一（Pytorch)
原文档地址:https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html#neural-networks 从官方 ...
【Pytorch分布式训练】在MNIST数据集上训练一个简单CNN网络，将其改成分布式训练
文章目录普通单卡训练-GPU 普通单卡训练-CPU 分布式训练-GPU 分布式训练-CPU 租GPU服务器相关以下代码示例基于:在MNIST数据集上训练一个简单CNN网络,将其改成分布式训练. 普 ...
SwinUnet官方代码训练自己数据集（单通道灰度图像的分割）
*************************************************** 码字不易,收藏之余,别忘了给我点个赞吧! *************************** ...
计算机视觉算法——图像分类网络总结
计算机视觉算法--图像分类网络总结计算机视觉算法--图像分类网络总结 1. AlexNet 1.1 网络结构 1.2 关键知识点 1.2.1 卷积和池化特征尺寸计算公式 1.2.2 ReLU非线性激 ...
使用PaddleFluid和TensorFlow实现图像分类网络SE_ResNeXt | 文末超大福利
专栏介绍:Paddle Fluid 是用来让用户像 PyTorch 和 Tensorflow Eager Execution 一样执行程序.在这些系统中,不再有模型这个概念,应用也不再包含一个用于描述 ...

ResNet训练单通道图像分类网络（Pytorch）

前言

步骤