python - 具有图像数据和预提取特征的 CNN 模型

Question

我正在尝试实现一个CNN model将一些图像分类到它们相应的类。图像大小为64x64x3。我的数据集由 25,000 张图像和一个由颜色、长度等CSV组成的文件组成。14 pre-extracted features

我想建立一个CNN模型，利用图像数据和特征进行训练和预测。我怎样才能Python用Keras.实现这样的模型？

Answer 1

我将开始假设您可以毫无问题地导入数据，并且您已经将 x 数据分为图像和特征，并且您将 y 数据作为每个图像的标签。

您可以使用 keras 功能 api 让神经网络接受多个输入。

from keras.models import Model
from keras.layers import Conv2D, Dense, Input, Embedding, multiply, Reshape, concatenate

img = Input(shape=(64, 64, 3))
features = Input(shape=(14,))
embedded = Embedding(input_dim=14, output_dim=60*32)(features)
embedded = Reshape(target_shape=(14, 60,32))(embedded)

encoded = Conv2D(32, (3, 3), activation='relu')(img)
encoded = Conv2D(32, (3, 3), activation='relu')(encoded)

x = concatenate([embedded, encoded], axis=1)
x = Dense(64, activation='relu')(x)
x = Dense(64, activation='relu')(x)
main_output = Dense(1, activation='sigmoid', name='main_output')(x)

model = Model([img, features], [main_output])