我有大约 20k 个不同域的图像,这些图像已经使用 GLCM 和 HOG 提取了特征。每张图像的特征尺寸约为 2000。我想使用连体网络找到特征之间的相似性。我将所有内容都存储在一个数据框中。我不确定我们如何为神经网络提供输入特征。使用 1DCNN / Dense 层只有一种可能性。
encoder = models.Sequential(name='encoder')
encoder.add(layer=layers.Dense(units=1024, activation=activations.relu, input_shape=[n_features]))
encoder.add(layers.Dropout(0.1))
encoder.add(layer=layers.Dense(units=512, activation=activations.relu))
encoder.add(layers.Dropout(0.1))
encoder.add(layer=layers.Dense(units=256, activation=activations.relu))
encoder.add(layers.Dropout(0.1))
在上面的代码中,我们只将特征数量作为编码器的输入,但我的两张图像的特征数量是相同的。我应该分别训练两个编码器并在最后加入它们以形成嵌入层吗?但是我应该如何测试?