我正在訓(xùn)練 CNN 來比較兩個圖像。然后 CNN 可以說我放入 CNN 的新圖像是否相等。因此，我通過 cv2 連接圖像，這樣我就有了形狀為 (330,530,6)（rgb）的圖像，或者我會以灰度 (330,530,2) 來做。這對我來說很好，但我想知道如果我在展平兩個模型后連接兩個模型，CNN 是如何工作的。我正在使用 keras 順序模型。有沒有辦法在不改變一切的情況下連接這兩個模型？因為我在 fit 方法中給出了數(shù)據(jù)，所以我不確定我是如何將這兩個數(shù)據(jù)交給每個模型的。這是我使用的模型：CNN = Sequential()CNN.add(layers.Conv2D(32,(3,3),activation='relu',kernel_regularizer=regularizers.l2(l2Reg),input_shape=(330,530,2)))CNN.add(layers.MaxPool2D(pool_size=(2, 2)))CNN.add(layers.Conv2D(32,(3,3),activation='relu',kernel_regularizer=regularizers.l2(l2Reg)))CNN.add(layers.MaxPool2D(pool_size=(3, 3)))CNN.add(layers.Conv2D(64,(3,3),activation='relu',kernel_regularizer=regularizers.l2(l2Reg)))CNN.add(layers.MaxPool2D(pool_size=(3, 3)))CNN.add(layers.Conv2D(64,(3,3),activation='relu',kernel_regularizer=regularizers.l2(l2Reg)))CNN.add(layers.MaxPool2D(pool_size=(3, 3)))CNN.add(layers.Flatten())CNN.add(layers.Dropout(0.5))CNN.add(layers.Dense(128,activation='relu',kernel_regularizer=regularizers.l2(l2Reg)))CNN.add(layers.Dense(2,activation='softmax'))CNN.summary()CNN.compile(optimizer=optimizers.RMSprop(lr=1e-4),loss='categorical_crossentropy',metrics=['accuracy'])history=CNN.fit(XTrain,YTrain,epochs=40,batch_size=32,validation_split=0.15)scores = CNN.evaluate(XTest,YTest,batch_size=32)print("Accuracy: %.2f%%" % (scores[1]*100))CNN.save("AnodenerkennungDreiV")
1 回答
胡說叔叔
TA貢獻(xiàn)1804條經(jīng)驗 獲得超8個贊
您可以創(chuàng)建一個輸入列表，在您的情況下有 2 個項目，比方說'image1'和'image2'。然后，您可以為每個以Flatten層結(jié)尾的圖像創(chuàng)建一個卷積層和池化層的分支。
330x530 灰度圖像示例：
import numpy as np
from keras.utils import plot_model
from keras.models import Model
from keras.layers import Conv2D, MaxPool2D, Flatten, Input, concatenate, Dense
inputs = [Input(shape=(330,530,1), name='image1'), Input(shape=(330,530,1), name='image2')]
flattened_layers = []
for input in inputs:
conv_layer = Conv2D(32,(3,3),activation='relu')(input)
conv_layer = MaxPool2D(pool_size=(2,2))(conv_layer)
# note that previous layer is used as input for creating the next layer,
# you'll need to do this for every layer.
# add more layers here
flattened_layers.append(Flatten()(conv_layer))
output = concatenate(flattened_layers, axis=0) #you have to check which axis you want to use here
#add more layers here
output = Dense(2,activation='softmax')(output)
model = Model(inputs=inputs, outputs=output)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
plot_model(model, "C:/help_me_pls/example_model.png", show_shapes=True)
要將數(shù)據(jù)輸入此模型，您需要一個字典作為 X 值。X['image1']應(yīng)包含所有第一張圖片和X['image2']所有第二張圖片。您應(yīng)該仍然可以使用相同的 y 值。
下圖顯示了示例模型的架構(gòu)：
我希望我已經(jīng)正確理解你的問題，這就是你要找的。
添加回答
舉報
0/150
提交
取消