TensorFlow中FCN、SegNet等编解码模型如何支持任意尺寸输入？

嘿，我之前在做FCN和SegNet这类编解码结构的语义分割任务时，刚好处理过可变尺寸输入的需求，分享下我的实操方案：

你用的占位符写法是对路的，要是想同时支持动态batch_size（比如单张测试和批量训练切换），可以把batch维度也设为None：

self.input = tf.placeholder(tf.float32, shape=(None, None, None, 3), name='input_tensor')

这样不管输入图像是啥尺寸，模型都能接收，不用硬编码固定的高宽。

SegNet这类模型的核心就是编码器池化后，解码器用反池化恢复空间维度。针对可变尺寸输入，绝对不能用固定形状的反池化操作，这里给你完善后的_upsample_along_axis函数，专门处理沿指定轴的上采样（反池化）：

# 解码器中使用的上采样/反池化函数
def _upsample_along_axis(volume, axis, stride, mode='COPY'):
    # 获取张量的动态形状（兼容None维度）
    dynamic_shape = tf.shape(volume)
    static_shape = volume.get_shape().as_list()
    
    assert 0 <= axis < len(static_shape), "轴索引超出张量维度范围"
    
    # 计算目标形状：沿指定轴放大stride倍
    target_shape = dynamic_shape
    target_shape = tf.concat(
        [target_shape[:axis], [target_shape[axis] * stride], target_shape[axis+1:]],
        axis=0
    )
    
    if mode == 'COPY':
        # 复制元素实现上采样（对应简单的反池化，适合FCN的上采样需求）
        expand_dims = tf.ones_like(dynamic_shape)
        expand_dims = tf.tensor_scatter_nd_update(expand_dims, [[axis]], [stride])
        expanded = tf.tile(volume, expand_dims)
        return tf.reshape(expanded, target_shape)
    
    elif mode == 'MAX':
        # 带索引的最大反池化（SegNet专属，需要传入编码器池化时记录的索引）
        # 注意：pool_indices需要和输入volume的动态形状一致
        pool_indices = tf.placeholder(tf.int32, shape=static_shape, name='pool_indices')
        # 将索引转换为scatter_nd需要的格式
        scatter_indices = tf.expand_dims(pool_indices, axis=-1)
        return tf.scatter_nd(scatter_indices, volume, target_shape)
    
    else:
        raise ValueError(f"不支持的上采样模式：{mode}")

几个关键提醒： #

• 可变尺寸输入下，所有涉及形状计算的操作都要用tf.shape()获取动态形状，别依赖get_shape().as_list()（后者在维度为None时会返回空值）
• 如果用SegNet的带索引反池化，一定要在编码器的池化步骤中保存pool_indices（比如用tf.nn.max_pool_with_argmax），不然解码器没法精准恢复原特征的空间位置
• 训练时要保证同一个batch里的图像尺寸一致（可以用动态padding处理），测试时单张图像直接输入任意尺寸就行

内容的提问来源于stack exchange，提问作者Pavle