我有500张病人医学扫描的Dicom图像。这是三维扫描,shape = 300 x 300 x 3。我从中提取了正面和侧面的观点。所以,对于每一个病人,我有2张300 x 300形状的图像。为了建立分类器,应该将这两个视图叠加起来,并训练CNN {300 x 300 x 2 x 500} ->多通道输入,
还是应该将每个视图作为一个新数据传递给整个{300 x 300 x 1000} ->
我想在预先训练好的CNN (VGG)上建立一个LSTM来对视频序列进行分类。LSTM将由VGG的最后一个FC层提取的特征馈送。 该体系结构类似于: ? 我写了代码: def build_LSTM_CNN_net() from keras.modelsimport Model
from keras</e
我在Keras中使用卷积神经网络(CNN)进行语义分割(图像像素的多类分类)。
特别是,我正在将此应用于农作物(植被)的航空图像。在Keras中,我成功地开发了一个工作流,用于为一个特定的数据集划分/分类不同的作物(让我们将这个数据集称为rural area #1)。我可以应用在rural area #1上训练的Keras权重来初始化另