Tensorflow 如何用元信息丰富卷积神经网络？

我非常想了解如何用提供的元信息丰富CNN。据我所知，CNN“只是”查看图像并将其分类为对象，而不查看可能存在的元参数，如时间、天气条件等

更准确地说，我使用的是keras CNN，后端是tensorflow。我有典型的Conv2D和MaxPooling层，在管道末端有一个完全连接的模型。它工作得很好，给我一个很好的准确性。但是，对于目前为止未使用的每个图像（拍摄图像的相机的制造商），我确实有额外的元信息

将此元信息合并到模型中的推荐方法是什么？我自己还不能想出一个好的解决办法

---

谢谢你的帮助

通常是在预测之前将该信息添加到一个完全连接的层中。完全连接的图层为您提供了K个表示图像的功能，您只需将它们与您拥有的其他信息连接起来即可。

谢谢！这意味着，我有K个特征代表图像+1元信息。这意味着我的完全连接层有K+1个输入节点，其中一个是元信息？是的，确切地说，你甚至可以向表示图像的K个特征中添加更多信息。只需将完全连接层之前的卷积网络作为提取图像特征的手段。然后在完全连接的层中，这些特征一起用于分类。