Machine learning 深度学习多输入CNN_Machine Learning_Neural Network_Deep Learning_Keras_Conv Neural Network

Machine learning 深度学习多输入CNN

machine-learning neural-network deep-learning keras

Machine learning 深度学习多输入CNN,machine-learning,neural-network,deep-learning,keras,conv-neural-network,Machine Learning,Neural Network,Deep Learning,Keras,Conv Neural Network,我正在尝试创建一个多视图卷积神经网络，它首先分别将卷积层和池层应用于每个输入。结构看起来像这样举个例子，我希望有一个cat的上、下、左、右视图，分别对每个视图应用卷积层和池层，然后在以后合并这些信息我在这个项目上一直在使用Keras，但是我似乎无法理解Keras提供了什么。Keras有什么方法可以做到这一点吗？如果没有，我如何创建这个多视图CNN的第一步？请看一下。只需跟随它并做一些小的改变。您应该能够根据自己的使用情况对其进行调整。我以前看过该示例，但最好有一个特定的多图像CNN模型示例

我正在尝试创建一个多视图卷积神经网络，它首先分别将卷积层和池层应用于每个输入。结构看起来像这样

举个例子，我希望有一个cat的上、下、左、右视图，分别对每个视图应用卷积层和池层，然后在以后合并这些信息

我在这个项目上一直在使用Keras，但是我似乎无法理解Keras提供了什么。Keras有什么方法可以做到这一点吗？如果没有，我如何创建这个多视图CNN的第一步？

请看一下。只需跟随它并做一些小的改变。您应该能够根据自己的使用情况对其进行调整。

我以前看过该示例，但最好有一个特定的多图像CNN模型示例，这样我也可以了解如何预处理数据集。从文档中很难确定如何将ImageDataGenerator与多图像CNNIt结合使用，使用多个生成器将更容易启动。一旦你有了更多的经验，试着编写你自己的定制生成器。有关使用多个生成器的信息，请参阅本文档底部的将图像和遮罩转换在一起的示例