A concretização da aprendizagem conjunta em keras

votos
0

Eu estou tentando implementar um modelo que é composto de duas camadas para candidatos objeto segmento no keras Então, basicamente, este modelo tem a seguinte arquitetura

Imagem (canal, largura, altura) -> convolução múltipla e agrupamento layers-> saída ( 'n' mapas de características, largura altura)

Agora este único de saída está a ser utilizada por duas camadas que são os seguintes 1) convolução (1 * 1) -> camada densa com unidades de m (saída = n * 1 * 1) -> de pixel classificador usando camadas totalmente ligados de h * w dimesion -> upsmapling a (H, N) -> saída

2) convolução -> maxpooling-> densa camada -> pontuação

função de custo utiliza saídas de ambas as camadas que é soma de regressão logística binária de cada saída

Agora eu tenho duas perguntas 1) como implementar conexão densa sobre a saída complicada na camada 1 para produzir h * w classificador pixel como mencionado acima 2) Como mesclar as duas camadas para calcular a função de custo único e, em seguida, treinar ambas as camadas usando em conjunto volta-propagação

Alguém pode me dizer como criar o modelo para architecture.i rede acima mencionados sou novo para o aprendizado profundo isso, se há algo que eu não entendi eu vou apreciar se alguém pode me explicar os erros no meu entendimento Graças

Publicado 02/03/2016 em 10:28
fonte usuário
Em outras línguas...                            


1 respostas

votos
0

É mais fácil quando você compartilhar o código que você já tem.

Para a convolução transição para densa, você tem que usar model.add(Flatten()), como nos exemplos aqui .

Infelizmente, eu não sei para a segunda questão, mas de acordo com o que acabei de ler nos modelos Keras, você tem que usar o modelo gráfico.

Respondeu 02/03/2016 em 18:09
fonte usuário

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more