Machine learning 图像堆栈作为CNN的单个输入_Machine Learning_Deep Learning_Neural Network_Conv Neural Network

Machine learning 图像堆栈作为CNN的单个输入

machine-learning deep-learning neural-network

Machine learning 图像堆栈作为CNN的单个输入,machine-learning,deep-learning,neural-network,conv-neural-network,Machine Learning,Deep Learning,Neural Network,Conv Neural Network,我是新手，我需要你的帮助。我如何组合3幅不同的图像为CNN神经网络进行单一输入？简单地说，我使用3个图像列表作为单输入单输出让我们假设： x1=[img1,img2,img3] ====> y1 x2=[img1,img2,img3] ====> y2 x3=[img1,img2,img3] ====> y3 谢谢这种情况下的想法被称为多输入模型。这样的模型将有一个层堆栈，直到某个点，每个堆栈被连接起来，以遵循一个新的预测堆栈。你可以这样想象：这张图片的来源和这种模型

我是新手，我需要你的帮助。我如何组合3幅不同的图像为CNN神经网络进行单一输入？简单地说，我使用3个图像列表作为单输入单输出

让我们假设：

x1=[img1,img2,img3] ====> y1
x2=[img1,img2,img3] ====> y2
x3=[img1,img2,img3] ====> y3

谢谢

这种情况下的想法被称为多输入模型。这样的模型将有一个层堆栈，直到某个点，每个堆栈被连接起来，以遵循一个新的预测堆栈。你可以这样想象：

这张图片的来源和这种模型的实现可以在这里找到：

简单的回答是，它非常简单。实际的方法取决于您使用的框架。所以答案会有所不同，这取决于您是否使用Keras/PyTorch/tensorflow谢谢您的评论，实际上我使用的是Keras/tensorflow。