machine-learning - 如何在训练时向 CNN 添加额外参数

Question

因此，我必须训练一个网络，其中包含图像、真实情况以及与图像相关的额外参数(当前图像状态)。

有一个相机可以捕捉不同缩放级别的图像。对于特定的环境，我有四个具有不同缩放级别的图像(0、25、50、75)。我需要训练网络，以便给定测试图像，如果我想放大或缩小，我可以进行分类。

所以，我拥有的数据集是图像、地面实况(放大、缩小或不缩放)和当前缩放级别。

如何在我的网络中添加当前缩放级别以便网络正确训练？

我计划暂时使用 VGG 或 AlexNet，然后转向 Inception 或 ResNet。

Answer 1

您可以做的是创建一个模型，通过 CNN 处理图像，然后以某种方式将其他输入组合到模型中。因此，您的模型应该有一些输入:图像(放大或缩小或不缩放)、当前缩放级别。因此，您将图像传递给 CNN(或几个 CNN 层)，然后展平特征图并附加其他输入值，然后继续通过其他一些层。或者你在开始时增强图像(如果你必须缩小，缩小......)，然后将图像传递给 CNN。我不知道您使用的是哪个框架，但我知道我会尝试使用函数式 API 在 Keras 中对其进行原型(prototype)设计。