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

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。

我正在考虑的是某种并行结构。想想像下图这样的东西。

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

标签： neural-networkdeep-learningclassificationconv-neural-network

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。