Python 在处理高光谱图像时，3D-CNN输入的第五维度应该是什么？

我有一张高光谱图像，其尺寸

S*S*L

，其中

S*S

是空间大小，

L

表示光谱带的数量

现在，我的X（图像数组）的形状是：

（1，145，145，200）

，其中1是示例数，145是图像的长度和宽度，200是图像的通道数

我想将这个图像的小窗口（具有类似于

W*W*L

；W（批次、长度、宽度、深度、通道）

在我看来，我缺少了一个空间维度，如何在不丢失任何信息的情况下将图像数组转换为5维数组

---

我在上面使用python和Keras。

如果您想沿着通道的维度进行卷积，您应该在通道的位置添加一个单例维度。如果你不想沿着频道的维度卷积，你应该使用2D CNN。

你想要的是2D CNN，而不是3D CNN。2D CNN已经支持多个通道，因此在高光谱图像中使用它应该不会有问题。

通过添加单个维度，您的意思是将其重塑为

（11145145200,1）

。是的，或者您可以使用

tf.expand_dims（X，axis=4）

。不，实际上我正在尝试实现一篇研究论文，因此，我特别希望使用3D CNN来实现这一点，因为根据论文，它有一些优势。因此，我想实现建议的方法，看看它是如何工作的！我已经按照你的建议用2D CNN做过一次了。@gopalkrizna到底是什么报纸？这篇文章可能提到了3D卷积，但实际上它和Keras的2D卷积是一样的。