CNN中通道的最大池化

【问题标题】：maxpooling of channels in CNNCNN中通道的最大池化
【发布时间】：2018-03-16 06:03:05
【问题描述】：

我需要减少 CNN 网络中的通道数。我的输入是一个 4D 对象（样本、行、列、通道）。通道数为 3，我的训练输出只有一个通道。无论如何在训练期间在通道方向上进行最大池化？

提前致谢

【问题讨论】：

你现在尝试了什么？
这听起来像是图像处理领域中典型的颜色分离输入。你想做什么典型的面向图像的 CNN 还没有做到？现有模型不处理第一个 CONV 层之后的通道数量；它们实际上只是输入的 3 倍。

标签： deep-learning keras-layer max-pooling

【解决方案1】：

您可以遵循几个选项，对通道求和，获取最大通道，制作标准 RGB 到 B&W 转换等。

所有这些都可以在 Lambda 层内使用，并具有定义的功能：

import keras.backend as K

def channelPool(x):
    return K.sum(x,axis=-1)

    #or
    return K.mean(x,axis=-1)

    #or
    return K.max(x,axis=-1)

    #or 
    return (.21*x[:,:,:,:1]) + (0.72*x[:,:,:,1:2]) + (0.07*x[:,:,:,-1:])

图层将是：

Lambda(channelPool, output_shape=optionalInTensorflow)

PS：如果您使用“channels_first”，则坐标轴将为1，转换将采用x[:,channel,:,:]。

【讨论】：