同时使用图像和数字输入的神经网络

Question

为了对图像进行分类，我们使用了一个带有几个卷积层和几个全连接层的神经网络。

元数据有一些数字信息可以帮助对图像进行分类。有没有一种简单的方法可以将数值元数据连同卷积的输出一起输入到第一个全连接层中？有没有可能使用TensorFlow甚至更好的Keras来实现这一点？

Answer 1

是否有一种简单的方法将数值元数据与卷积的输出一起输入到第一个全连接层中？

是的，这是可能的。数字元数据和图像需要两个输入。

inp1 = Input(28,28,1) # image
inp2 = Input(30,) # numerical metadata (assume size of numerical feature is 30)

conv2d = Convolution2D(100,strides=1,padding='same')(inp1)
embedding = Embedding(1000)(inp2)

# ... rest of the network
prev_layer = Concatenation(axis=-1)[feature_image, feature_metadata]            
prediction = Dense(100)(prev_layer)

model = Model(inputs=[inp1, inp2], outputs=prediction)

在这里查看keras中的完整示例。

Answer 2

您可以在另一个分支中处理数值数据，然后将结果与CNN分支合并，然后将合并的张量传递给几个最终的密集层。以下是解决方案的总体示意图：

# process image data using conv layers
inp_img = Input(shape=...)
# ...

# process numerical data
inp_num = Input(shape=...)
x = Dense(...)(inp_num)
out_num = Dense(...)(x)

# merge the result with a merge layer such as concatenation
merged = concatenate([out_conv, out_num])
# the rest of the network ...

out = Dense(num_classes, activation='softmax')(...)

# create the model
model = Model([inp_img, inp_num], out)

当然，要构建这样的模型，您需要使用Keras函数API。因此，我强烈建议为此阅读官方指南。