我知道这可能是一个通用问题，但我仍然希望得到一些反馈。所以我有一个具有 4 个维度（时间、x、y、颜色）的数据集。我总共有 24000 条记录，每条记录都有 (5, 188, 188, 3) 这个维度，其中我有一个 5 时间维度，就像 5 个不同的时间间隔，每个时间间隔相差 15 分钟。现在我必须从图像中建立一个二元分类模型。因此，最初我使用来自数据的 3 个维度（x、y、颜色）的 Resnet，得到了相当不错的结果。现在我还想在我的数据中包含时间维度，但我不确定如果包含时间维度，RESNET 是否有意义。有人可以告诉我是否有另一个网络可以尝试模型可以利用时间维度的地方，或者在模型中添加像 LSTM 这样的层会有所帮助？我附上了一个带有 5 次维度和 1 种颜色的示例 gif。任何建议将不胜感激。

样本数据：

[[[0.1798448 , 0.1735874 , 0.1735874 , ..., 0.04843931,
         0.05156801, 0.05469671],
        [0.17671609, 0.1798448 , 0.1829735 , ..., 0.05156801,
         0.05313236, 0.05156801],
        [0.18140915, 0.1861022 , 0.18140915, ..., 0.05156801,
         0.05313236, 0.05156801],
        ...,
       [[0.17515175, 0.17045869, 0.1735874 , ..., 0.05626106,
         0.05000366, 0.05626106],
        [0.17515175, 0.1735874 , 0.17202304, ..., 0.06564717,
         0.06408282, 0.06721152],
        [0.1735874 , 0.1735874 , 0.16889434, ..., 0.06721152,
         0.06251846, 0.06095411],
        ...,
        [0.06877588, 0.07034022, 0.06877588, ..., 0.01715229,
         0.01558794, 0.01715229],
        [0.07346892, 0.07190457, 0.06721152, ..., 0.01871664,
         0.01715229, 0.02028099],
        [0.07503328, 0.06721152, 0.06564717, ..., 0.01558794,
         0.02184534, 0.02184534]],

       [[0.1735874 , 0.17045869, 0.16889434, ..., 0.04843931,
         0.05313236, 0.05938977],
        [0.17515175, 0.17202304, 0.16732998, ..., 0.05938977,
         0.05938977, 0.06408282],
        [0.17045869, 0.16889434, 0.16576564, ..., 0.06564717,
         0.06251846, 0.06564717]]], dtype=float32)