컨볼 루션 신경망 모델에 입력하려는 이미지의 데이터 세트가 있습니다. 그러나이 이미지들 각각에 이미지와 연관된 오브젝트와의 거리 또는 거리가 있습니다.길쌈 신경망 입력에 추가 값을 추가 하시겠습니까?
이 범위를 CNN 모델의 추가 컨텍스트로 입력하고 싶습니다.
추가 정보를 제공하면 어떤 이점이 있습니까? 그것을하는 것이 이치에 맞습니까? Keras에서 실행 가능합니까?
감사합니다.
컨볼 루션 신경망 모델에 입력하려는 이미지의 데이터 세트가 있습니다. 그러나이 이미지들 각각에 이미지와 연관된 오브젝트와의 거리 또는 거리가 있습니다.길쌈 신경망 입력에 추가 값을 추가 하시겠습니까?
이 범위를 CNN 모델의 추가 컨텍스트로 입력하고 싶습니다.
추가 정보를 제공하면 어떤 이점이 있습니까? 그것을하는 것이 이치에 맞습니까? Keras에서 실행 가능합니까?
감사합니다.
여기에 몇 가지 옵션이 있습니다. 하나는 숫자 값을 입력에 기능 평면으로 인코딩하는 것입니다. 숫자 값이 c
인 경우 모든 픽셀에서 값이 c
인 각 입력 이미지에 채널을 추가 할 수 있습니다.
또 다른 옵션은 값을 완전히 연결된 레이어의 추가 입력으로 병합하는 것입니다.
이 같은 보일 것 keras에서: 당신은 당신의 데이터를 여부 따라 달라집니다 선택 옵션을 사용하면 숫자 기능을 더 길쌈 층 도움이 입력을 이해하는 것이라고 생각, 또는 당신이 생각인지
conv = Sequential()
conv.add(Conv2D(32, kernel_size=(3, 3), strides=(1, 1),
activation='relu',
input_shape=input_shape))
conv.add(MaxPooling2D(pool_size=(2, 2)))
conv.add(Flatten())
conv.add(Dense(512, activation='relu'))
range = Sequential()
range.add(Dense(1, input_shape=(1,), activation='relu'))
merged = Concatenate([conv, range])
merged.add(Dense(n_classes, activation='softmax'))
merged.compile(optimizer='adam', loss='binary_crossentropy',
metrics=['accuracy'])
을 나중에 필요하지 않습니다. 시간이 있다면 두 아키텍처를 모두 시도해 볼 수 있으며 더 나은 성능을 볼 수 있습니다.
귀하의 질문은 불행히도 너무 광범위하게 표시되었습니다. 어떤 유형의 출력을 예측하고 Keras 코드 몇 줄을 추가하여 네트워크 구조가 현재 어떻게 보이는지 설명하기 위해 편집을 제안합니다. 이것은 질문을 더 구체적으로해야합니다. – Imran