【发布时间】:2018-01-15 07:37:59
【问题描述】:
我正在使用 Keras 来实现 CNN。人们经常使用 Conv2D 来做分类任务。但是,我想获得两个图像之间的关系,然后我决定尝试 Conv3D。但是,我无法管理来自 Conv3D 的维度输出并匹配以下图层。
更具体地说,我想在 (480, 640, 2) 和输出 (480, 640, 1) 张量的两个堆叠图像上应用 (5,5,2) 过滤器。
原始 Conv2D 代码:(工作正常)
model = Sequential()
model.add(Conv2D(32, (3, 3), padding='same',input_shape=(480, 640, 2)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
...
Conv3D 代码:(不知道如何连接 Conv3D 和 MaxPooling2D)
model.add(Conv3D(32, 2, input_shape=(480, 640, 2, 1), data_format="channels_last"))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
...
【问题讨论】:
-
如果您说
kernel_size=5,您的 Conv2D 模型已经应用了 (5,5,2) 过滤器。使用kernel_size=(5,5,2)将其更改为3D 没有任何优势,这将通过(5,5,2,1)过滤器(完全相同数量的参数)而不会在第三维中进行任何移动。 (如果你在这个层使用padding ='same',你会添加不想要的边框效果,比如填充的幽灵图像)。 -
@DanielMöller 我想我对多通道图像上的 2D 卷积有一些误解。在检查了您的解释和this document 之后,我现在知道如何解决问题了。谢:)
标签: tensorflow keras convolution