neural-network - 我们可以制作一个使用多个图像进行预测的卷积网络吗
问题描述
我从教程中裁剪了以下图像。
该图显示了标准神经网络的粗略结构。将一张图像作为输入并进行预测。
与上图不完全一样。但是你可以看到我正在尝试使用两张图像来做出一个预测。这张图片是为了让您了解我要问的内容。
是否可以像这样或任何其他方式使用不止一个(两个、三个 ..)图像来做出一个预测。现在,这不会用于实际的照片分类。但我认为这种技术可以用于像音频分类这样的文件中,其中数据的图形表示与图像分类技术一起使用。
对此有何建议、指导或意见?
如果我们考虑完全实现图中的内容,如果我使用像 Keras (Keras.model.sequential) 这样的高级 API,我们所能做的就是继续一层一层地添加。
那么我可以使用什么样的技术来实现并行结构
解决方案
是的,您可以使用多个图像作为输入。参见例如Siamese Neural Network,它将 2 个图像作为输入,并通过共享网络架构传递它们。
相反,如果您希望将任意数量的图像作为输入,您可以使用基于循环神经网络的架构,例如卷积 LSTM,它本质上是使用 LSTM 循环网络将 CNN 应用于输入序列的每个图像。
推荐阅读
- delphi - 为什么代码编辑器看不到数据模块中定义的对象
- python - 用于泊松分布的 scipy.stats kstest / 适用于 (x2) 面但不适用于 (x1) 面?
- git - Git 提交推送
- c++ - 我有 2 个输入,一个是句子,第二个是 C++ 中的搜索字符串
- java - java.lang.ClassNotFoundException:org.apache.kafka.common.metrics.MetricsContext
- database - Realm JS 在应用程序中打开所有模式。不好的做法?
- python - Mypy 未正确处理包含子类的字典参数
- javascript - 用 JS 脚本删除 JS 脚本
- python - 没有模块名称 xlrd
- java - 通过 Jython 在 Java 中使用 python 模块,但我对路径以及如何配置它们非常陌生