如何输入三维卷积神经网络？
3d CNN可以处理视频、核磁共振和扫描数据集。你能告诉我，如果我必须把输入(视频)输入到拟议的三维CNN网络，并训练它的重量，我如何能够做到这一点？如3d CNN期待的5维输入；
[batch size, channels, depth, height, weight]如何从视频中提取深度？
如果我有10个不同班级的10个视频。每个视频的持续时间为6秒。我每秒钟提取2帧，每段视频大约有12帧。
大小的RGB视频是112x112 ->高度= 112，Width=112和Channels=3。
如果我保持批处理大小等于2
1视频->6秒-> 12帧(1秒== 2帧)每帧(3,112,112帧)
10段视频(10档)->60秒-> 120帧
因此，这5个维度将是这样的；[2, 3, 12, 112, 112]
2->两个视频将被处理的每批大小.
3-> RGB信道
12 ->每个视频包含12帧
每段视频的高度112 -->
每个视频的112 ->宽度
我说的对吗？
回答 1
Stack Overflow用户
发布于 2021-08-02 19:16:27
是的，如果你想使用3D CNN的话，这似乎是有意义的。您实际上是在输入中添加一个维度，这是时间维度，使用depth维度是合乎逻辑的。通过这种方式，您可以将通道轴保持为特征通道(即不是时空维度)。
请记住，3D CNN确实是内存密集型的。还有其他方法可以处理时间依赖的输入。在这里，您并不是真正地处理第三维度(“空间”维度，也就是)，所以您不需要使用3D CNN。
编辑：
如果我将上述维度的输入输入到三维CNN，它会学习这两个特征(空间和时间)吗？你能让我理解时空特征吗？
如果您使用3D CNN，那么您的过滤器将有一个3D内核，卷积将是三维的:沿两个空间维度(宽度和高度)以及深度维度(这里对应于时间维度)，因为视频帧序列使用深度维度。3D CNN将允许您捕获本地(“本地”，因为感知字段是受限于内核的大小和CNN的总层数)的时空信息。
https://stackoverflow.com/questions/68625606
复制相似问题
腾讯云开发者
