卷积神经网络如何处理 RGB 图像输入？答案

【问题标题】：How convolutional neural netwrk is working with RGB iamge input?卷积神经网络如何处理 RGB 图像输入？
【发布时间】：2020-03-18 14:21:14
【问题描述】：

目前我正在研究我自己的 CNN。我想了解一些东西。

如果输入是 RGB 图像。在完全连接的网络之前我必须如何合并这个通道。或者我必须在第一步之前合并这个通道并在所有网络期间使用这个合并的通道？

我从输入 3 通道中获取。

我用相同的过滤器过滤 R 通道而不是 G 通道而不是 B 通道。

在卷积和池化之后，我必须将其转换为全连接层的一维向量。我必须如何将这 3 个通道一起转换为一个一维向量？ ——

【问题讨论】：

【解决方案1】：

您可以随时将图像转换为灰度，但您也可以处理 RGB 输入。只需确保您的图层正确处理您的 3D 数据即可。

【讨论】：

【解决方案2】：

如何对它们进行标记并不重要，而是要确保始终以相同的方式进行编码。你有几个选择： 1）输入数组全是红色，后面是全绿色，后面是蓝色 2) 输入是第一个像素的 rgb，然后是下一个像素的 rgb 等。 3) 等等。

在使用经过训练的网络时，以相同的方式对值进行编码非常重要。

【讨论】：

看。我从输入 3 通道中获取。首先我用相同的过滤器过滤 R 通道而不是 G 通道而不是 B 通道。在卷积和池化之后，我必须将其转换为全连接层的 1D 向量。我必须如何将这 3 个通道转换为一个 1D 向量？