Keras 图像的神经网络&x2B；数字数据

我有一种情况，输入是一个图像和一组（3）数字字段，输出是一个图像掩码。我不知道如何在KERAS做到这一点

我的架构有点像附件。我知道CNN和密集架构，只是不知道如何在相应的网络中传递输入并执行concat操作。另外，对于这一点，berrer建筑的建议将是非常好的

请建议我，最好是与示例代码。

---

提前谢谢你，Utpal。

我可以建议你试试U-net模式解决这个问题。通常的U-net表示几个conv和maxpooling层，然后是几个conv和上采样层：

在当前问题中，可以在中间混合非空间数据（图像注释）：

另外，最好从预先训练好的VGG-16开始（见下文

VGG.load\u weights（VGG\u weights\u path）

）

见以下代码（基于）：

要训练和评估具有多个输入的keras模型，请为每个输入层准备单独的阵列-

image\u-train

和

annotation\u-train

（保留第一个轴的顺序，即样本编号），并将其称为：

model.fit([image_train, annotation_train], result_segmentation_train, batch_size=..., epochs=...)

test_loss, test_acc = model.evaluate([image_test, annotation_test], result_segmentation_test)

---

祝你好运

将完全连接的层应用于下分支中的输入后，任何空间信息都会丢失（因为点之间的距离对密集层没有影响）。所以在我看来，应用then conv/deconv（它对输入的空间结构很敏感）并没有多大意义。你能描述一下你试图解决的一个问题吗？当你被赋予一张人脸以及年龄和性别时，你需要确定这张脸是否有任何出生标记（不仅仅是任何类型的标记）。。。。输出将是一个2D图像，其中出生标记用白色（1或255）表示，图像的其余部分将为黑色（0）…如果这足以创建“是/否”（0/255）图像遮罩，则这是一个图像分割问题。您可以从以下回购协议开始尝试一些模型的keras实现——谢谢，但在这里，数字数据很重要，仅CNN（VGG）可能做得不够……只是想知道数字数据（除了图像）在哪里适合

model.fit([image_train, annotation_train], result_segmentation_train, batch_size=..., epochs=...)

test_loss, test_acc = model.evaluate([image_test, annotation_test], result_segmentation_test)