Image processing 卷积神经网络如何处理RGB图像输入?
目前我正在为自己的CNN工作。我想了解一些事情 如果输入是RGB图像。在完全连接网络之前,我必须如何合并此通道。或者我必须在第一步之前合并此通道,并在整个网络中使用此合并的通道 我是从输入3香奈儿 首先,我使用相同的过滤器过滤R通道,而不是G通道,而不是B通道Image processing 卷积神经网络如何处理RGB图像输入?,image-processing,neural-network,deep-learning,conv-neural-network,rgb,Image Processing,Neural Network,Deep Learning,Conv Neural Network,Rgb,目前我正在为自己的CNN工作。我想了解一些事情 如果输入是RGB图像。在完全连接网络之前,我必须如何合并此通道。或者我必须在第一步之前合并此通道,并在整个网络中使用此合并的通道 我是从输入3香奈儿 首先,我使用相同的过滤器过滤R通道,而不是G通道,而不是B通道 在卷积和池化之后,我必须将其转换为完全连接层的1D向量。我必须如何将这3个通道一起转换为一个1D向量 您可以随时将图像转换为灰度,但也可以用RGB处理输入。只需确保图层正确处理3D数据。重要的是确保始终以相同的方式编码,而不是如何对图层进
在卷积和池化之后,我必须将其转换为完全连接层的1D向量。我必须如何将这3个通道一起转换为一个1D向量 您可以随时将图像转换为灰度,但也可以用RGB处理输入。只需确保图层正确处理3D数据。重要的是确保始终以相同的方式编码,而不是如何对图层进行边缘处理。 您有几个选择: 1) 输入数组都是红色,后面是绿色,后面是蓝色 2) 输入是第一个像素的rgb,然后是下一个像素的rgb。 3) 等等
使用经过训练的网络时,以同样的方式对值进行编码非常重要。是的,我知道我可以转换为灰度,但我想用rgb进行处理。我不知道这3个通道是如何在输出中合并的。那么,你的网络、分类和分段的目的是什么?我建议您添加代码或更详细的描述,因为您的问题并不明显。我是从输入3香奈儿。首先,我使用相同的过滤器过滤R通道而不是G通道而不是B通道。在卷积和池化之后,我必须将其转换为完全连接层的1D向量。我必须如何将这3个通道转换为一个1D向量?