在 keras 中使用 2d 内核执行 1d 卷积

Question

我目前正在研究一个 CNN 网络，我想在图像上应用 2d 内核，但它只需要执行 1d 卷积，这意味着它只需要沿着一个轴移动（这里的 x 轴）案子）。

内核的形状与图像的 y 轴相同。目前，应用的过滤器数量不是问题。

一个例子： 给定大小为 (6,3,3) = (rows, cols, color_channel) 的图像

在给定二维滤波器的情况下，我应该如何执行一维卷积？

尝试了@Marcin Możejko 的建议

dim_x = 3
dim_y = 6
color_channels = 3
#model.add(ZeroPadding2D((6,4),input_shape=(6,3,3)))
model.add(Conv2D(filters = 32,kernel_size=(dim_y,1) , activation='linear' , input_shape = (6,3,3)))
print model.output_shape
model.add(Reshape((dim_x,color_channels)))

错误：

The total size of the new array must be unchanged

Answer 1

假设你的图片shape=(dim_x, dim_y, img_channels)可以通过设置得到1D卷积：

conv1d_on_image = Convolution2D(output_channels, 1, dim_y, border_mode='valid')(input)

请记住，该层的输出形状为(dim_x, 1, output_channels)。如果您希望输入是连续的，您可以通过设置使用Reshape 层：

conv1d_on_image = Reshape((dim_x, output_channels))(conv1d_on_image)

这将产生形状为(dim_x, output_channels)的输出。

一个有趣的事实是，这正是 Conv1D 在 Keras 和 tf 后端的工作方式。