卷积结构之间的区别

数据挖掘 时间序列 美国有线电视新闻网 图像分类 卷积
2022-02-28 15:13:17

我很难理解什么是多通道 CNN 的区别:在题为“用于任务诱发 fMRI 数据分类的多通道 2D 卷积神经网络模型”的论文中(https://www.hindawi.com/journals/cin /2019/5065214/#sec2.1)图 1 是一个多通道 CNN,其中作者使用通道来表示输入图像类型。图像是一个二维灰度矩阵。从图中可以看出,图像数量 = 通道数量 = 不同 CNN 的数量。真的吗?我的印象是,无论通道数量如何,我们都有一个 CNN 可以分别对每种输入类型应用过滤器。但是,这与每种输入类型都有多个 CNN 不同。

我很困惑——多通道 CNN 是否意味着每个输入数据都有一个单独的 CNN,或者一个单独的 CNN 将过滤器分别应用于每个输入。

1个回答

绝对是一个 CNN,它需要 3 个输入图像。您可以将其视为 3 个独立的特征提取器 (CNN),它们在一起训练时合并它们的结果。

作者通过保留 3 张 2D 图像从 3D 图像中获得 3 张 2D 输入;每个平面上一个。

这些图像中的每一个都有多个通道,因为它们在各个轴之间对输入进行切片。

在此处输入图像描述

它被称为“多通道”CNN,因为它使用输入(3D 图像)的不同表示(3 个 2D 图像),因此提取 3 倍的特征以便然后合并。(就像从两边和上方看一头大象)