连接 CNN 以比较两个图像

Question

我正在训练 CNN 来比较两个图像。然后 CNN 可以说我放入 CNN 的新图像是否相等。因此，我通过 cv2 连接图像，这样我就有了形状为 (330,530,6)（rgb）的图像，或者我会以灰度 (330,530,2) 来做。这对我来说很好，但我想知道如果我在展平两个模型后连接两个模型，CNN 是如何工作的。我正在使用 keras 顺序模型。有没有办法在不改变一切的情况下连接这两个模型？因为我在 fit 方法中给出了数据，所以我不确定我是如何将这两个数据交给每个模型的。这是我使用的模型：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")

Answer 1

您可以创建一个输入列表，在您的情况下有 2 个项目，比方说'image1'和'image2'。然后，您可以为每个以Flatten层结尾的图像创建一个卷积层和池化层的分支。

330x530 灰度图像示例：

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)

要将数据输入此模型，您需要一个字典作为 X 值。X['image1']应包含所有第一张图片和X['image2']所有第二张图片。您应该仍然可以使用相同的 y 值。

下图显示了示例模型的架构：

我希望我已经正确理解你的问题，这就是你要找的。