分类任务基于图像和标量值。
如果我将标量值编码为具有该值(或相同值的标准化版本)的图像像素,并将其附加为输入图像中的另一层,那么我将在编码上浪费卷积计算周期来将此信息输入网络。
另一方面,我可以将其作为另一个神经元发送到发生转换特征图平坦化的层。另一种选择是在输出层之前添加。 (但是如何在 Keras 或 Tensorflow 中实现这样的网络?)发送标量值的最佳方法是什么?
PS:虽然这个问题并不特定于任何框架,但 Keras 示例非常简单,足以让大多数人理解......也欢迎指向相同问题的博客链接。
最佳答案
在交叉验证网站上查看此问题和答案:Combining image and scalar inputs into a neural network
除了那里提到的论文中建议的“偏差”方法(当标量被用作某些卷积层的偏差时),以及答案中建议的将标量附加到某个扁平层的其他选项之外,您还可以使用内积(完全连接,Keras 中的“Dense”)层来查找 ND 输入与标量之间的连接模式。
关于input - 如何向 CNN 输入标量(非图像)值?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49237091/