卷积神经网络是否能够接受多张图像输入？

Question

卷积神经网络是否能够接受多张图像输入？

tensorflowmachine-learningdeep-learningcomputer-visionconv-neural-network

7

我有一个包含许多图像的数据集，其中的图片有5个放大倍数(x10、x20、x30、x40、x50)，它们属于同一类别，但它们不是序列数据。所有的图像都是RGB模式，并且尺寸为512x512，我想把这5张图片作为CNN的输入，但我不知道该如何操作。另外，还有一个问题，就是当我只有一张图片(例如，一个放大倍数为x10的图像)时，是否可以使用训练好的5张图片模型进行预测？

- Adelov

1

请参考此问题的被接受答案：https://stackoverflow.com/questions/40685452/how-to-batch-inputs-together-for-tensorflow - bogatron

1

@bogatron 我不这么认为，我正在使用Keras，并且我没有TensorFlow的经验。 - Adelov

你应该将问题标记为 keras 而不是 tensorflow。 - bogatron

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

- alift · Accepted Answer

您提出了两个问题。对于第一个问题，有两种方法可以解决。1-您可以设计模型，使输入大小为5×512×512×3，并进行训练。

对于您的第二个问题，您需要设计模型以处理“特征缺失”或缺失特征。对于一个我能想到的复杂模型，您可以这样设计模型：您有5个输入每张图片，每张图片通过一个或多个CNN，经过一层或几层后合并在一起。就每个输入而言，您可以考虑一个附加特征，一个布尔值，表示当前图像是否应该在训练中被考虑（不存在或存在）。在训练过程中，您应该考虑所有5个输入的组合，同时考虑一些输入是否不存在，这样您的模型才能学习处理输入中一个或多个图像的缺失。希望我表述清晰，并对您有所帮助。祝你好运。