如何使用多个输入层DAG网络如图

20视图(30天)

显示旧的评论

宾虚 2017年11月26日

6
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/369328-how-to-use-multiple-input-layers-in-dag-net-as-shown-in-the-figure

评论道: 苗族李2021年5月20日

答:接受马哈茂德阿菲菲

我有DAG图层里面的两条路径。

我计划给这个DAG与两种类型的数据(D1, D2),但我不能做它的DAG matlab接受一个输入层。

我需要形成一层如:

我注意到有一个自定义的网络,可以提供与多个输入网络,但我怎么能这个网络之间的连接和DAG图吗?或者我可以用两个输入DAG吗?

4评论
显示3年长的评论隐藏3年长的评论

健 2020年3月29日

2019 b,您可以使用自定义训练循环,允许你做多输入CNN。

https://jp.mathworks.com/matlabcentral/fileexchange/74760-image-classification-using-cnn-with-multi-input

这表明一个演示分类图像双通道层使用两种类型的输入图像序列。

登录置评。

在回答这个问题。

接受的答案

马哈茂德阿菲菲 2019年2月10日

5
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/369328-how-to-use-multiple-input-layers-in-dag-net-as-shown-in-the-figure answer_360395

一种想法是给网络连接的输入(例如,image1; image2)然后创建分割层,每个输入。这里的问题是,你必须喂.mat文件的网络,而不是图像路径。另一个想法是将你的图片存储为tiff文件可容纳4频道。在这种情况下,您可以存储彩色图像(3通道)和灰度。看一看这个例子吗 //www.tianjin-qmedu.com/matlabcentral/fileexchange/65065-two-stream-cnn-for-gender-recognition-using-hand-images?s_tid=FX_rc1_behav . .看到 twoStream。m文件。

5个评论
显示4年长的评论隐藏4年长的评论

马哈茂德阿菲菲 2019年4月30日

编辑:马哈茂德阿菲菲 2019年4月30日

这是一个例子

                                  %假设输入(即有6通道。,两个图像叠加在一起
                                 
                                  渠道= 6;
                                 
                                  inputSize =(224224通道);%改变它
                                 
                                  lgraph = layerGraph;
                                 
                                  input_layer = imageInputLayer (inputSize,“名字”,“Input_Layer”);
                                 
                                  lgraph = addLayers (lgraph input_layer);
                                 
                                  为i = 1:渠道
                                 
                                  eval (sprintf (“ch_ % d_splitter = convolution2dLayer(1, 1,“名字”,“channel_ % d_splitter”,“WeightLearnRateFactor”, 0,“BiasLearnRateFactor”, 0,“WeightL2Factor”, 0,“BiasL2Factor”, 0);“,我,我));
                                 
                                  eval (sprintf (“ch_ % d_splitter。重量= 0(1、通道1);“,我));
                                 
                                  eval (sprintf (“ch_ % d_splitter.Weights (% d, 1, 1, 1) = 1;”,我,我));
                                 
                                  eval (sprintf (“ch_ % d_splitter。偏见= 0 (1,1,1,1);”,我));
                                 
                                  eval (sprintf (' lgraph = addLayers (lgraph ch_ % d_splitter);“,我));
                                 
                                  eval (sprintf (' lgraph = connectLayers (lgraph“Input_Layer”、“channel_ % d_splitter”);“,我));
                                 
                                  结束
                                 
                                  %,假设您想要使用的第一个三层作为输入
                                 
                                  %第一个流和最后一个三层作为第二个输入流
                                 
                                  input_stream_1 = depthConcatenationLayer (3“名字”,“input_stream_1”);
                                 
                                  lgraph = addLayers (lgraph input_stream_1);
                                 
                                  input_stream_2 = depthConcatenationLayer (3“名字”,“input_stream_2”);
                                 
                                  lgraph = addLayers (lgraph input_stream_2);
                                 
                                  lgraph = connectLayers (lgraph,“channel_1_splitter”,“input_stream_1 /三机一体”);
                                 
                                  lgraph = connectLayers (lgraph,“channel_2_splitter”,“input_stream_1 / in2”);
                                 
                                  lgraph = connectLayers (lgraph,“channel_3_splitter”,“input_stream_1 / in3”);
                                 
                                  lgraph = connectLayers (lgraph,“channel_4_splitter”,“input_stream_2 /三机一体”);
                                 
                                  lgraph = connectLayers (lgraph,“channel_5_splitter”,“input_stream_2 / in2”);
                                 
                                  lgraph = connectLayers (lgraph,“channel_6_splitter”,“input_stream_2 / in3”);
                                 
                                  %现在你可以继续构建二束网络。第一个输入
                                 
                                  %将来自input_stream_1和第二输入将来自
                                 
                                  % input_stream_2