Deep learning 具有成像和非成像数据的神经网络
我正在尝试构建一个神经网络架构，它使用一个位置的图像以及非图像信息（当地天气、普查数据）来准确地对位置进行分类 我知道应该使用CNN来评估图像数据，但是我不确定如何将非图像数据集成到神经网络中。我是否应该使用CNN的输出作为新的前馈神经网络的输入，将非成像数据作为附加输入？或者可能是一种集成方法，使用CNN（成像数据）和前馈（非成像数据） 使用带有TF后端的Keras，任何有用的链接/代码/论文都将不胜感激Deep learning 具有成像和非成像数据的神经网络,deep-learning,convolution,Deep Learning,Convolution,我正在尝试构建一个神经网络架构，它使用一个位置的图像以及非图像信息（当地天气、普查数据）来准确地对位置进行分类 我知道应该使用CNN来评估图像数据，但是我不确定如何将非图像数据集成到神经网络中。我是否应该使用CNN的输出作为新的前馈神经网络的输入，将非成像数据作为附加输入？或者可能是一种集成方法，使用CNN（成像数据）和前馈（非成像数据） 使用带有TF后端的Keras，任何有用的链接/代码/论文都将不胜感激