如何加载输入形状含None的3D CNN预训练模型以实现滑动窗口检测？

错误原因 #

训练阶段构建模型时，输入形状指定为(128, None, None, None, 1)，将batch维度固定为128，导致模型保存后，加载时无法正确识别固定的通道维度（轴-1），进而触发通道维度为None的错误。

解决方案 #

方案1：重新训练时修正输入形状定义 #

修改训练代码中的model.build语句，将batch维度设为可变（None），同时明确固定通道维度为1：

model.build(input_shape=(None, None, None, None, 1))

重新训练并保存模型后，滑动窗口加载时即可正常识别输入形状，无需额外修改加载代码。

方案2：针对已训练完成的模型，加载后重构输入层 #

如果不想重新训练，可在滑动窗口脚本中加载模型后，手动重构输入层以明确通道维度：

# 加载原模型
model = tf.keras.models.load_model(
    '/project/cleancode.keras',
    compile=False,
    custom_objects={"BalancedAccuracy": BalancedAccuracy(), "F1Score": tfa.metrics.F1Score(num_classes=1, threshold=0.5)}
)
# 重新定义输入层：空间维度可变，通道维度固定为1
new_input = tf.keras.Input(shape=(None, None, None, 1))
# 传递新输入到原模型获取输出
new_output = model(new_input)
# 创建新的可接受可变尺寸输入的模型
new_model = tf.keras.Model(inputs=new_input, outputs=new_output)

# 后续滑动窗口检测使用new_model即可

额外注意事项 #

确保滑动窗口提取的子体素数据形状符合(batch_size, depth, height, width, 1)，通道维度必须明确为1，避免出现维度缺失的情况。

内容的提问来源于stack exchange，提问作者Mustafa Mahmood