在Keras中使用2d卷积核执行1d卷积

Question

在Keras中使用2d卷积核执行1d卷积

pythonmachine-learningneural-networkkerasconv-neural-network

3

我目前正在处理一个CNN网络，我想在图像上应用一个2D卷积核，但它只需要执行1D卷积，意味着它只需要沿一个轴移动（在这种情况下是x轴）。

卷积核的形状与图像的y轴相同。目前应用的滤波器数量并不重要。

例如：给定大小为（6,3,3）=（行数，列数，颜色通道）的图像

如何使用2D滤波器进行1D卷积？

尝试了@Marcin Możejko建议的方法。

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

- J.Down

1

当一个样本进入卷积层时，它的形状会是什么？卷积核的形状会是什么？你期望得到什么输出？如果你能回答这些问题，我们就可以帮助你，否则这个问题太模糊了。 - Nassim Ben

2

我尝试增加一些关于它如何执行的信息..希望这能澄清事情.. - J.Down

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Marcin Możejko · Accepted Answer

假设你的图片 shape=(dim_x, dim_y, img_channels)，你可以通过设置以下参数来获取一个 1D 卷积：

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

请记住，这一层的输出形状应为(dim_x, 1, output_channels)。如果您想要输入是顺序的，可以使用Reshape层并设置：

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。

有趣的是，这正是使用 Keras 和 tf 后端的 Conv1D 的工作方式。