如何在DAG网络中使用如图所示的多个输入层

49次浏览(过去30天)

显示旧的注释

宾虚 2017年11月26日

6
链接

直接链接到这个问题

//www.tatmou.com/matlabcentral/answers/369328-how-to-use-multiple-input-layers-in-dag-net-as-shown-in-the-figure

评论道: 苗族李2021年5月20日

答:接受马哈茂德阿菲菲

我有一个DAG图，里面有两条图层路径。

我计划用两种类型的数据(D1, D2)来喂这个DAG，但我不能这样做，因为DAG在matlab中只接受一个输入层。

我需要形成一个图层，如:

我注意到有一个自定义网络，可以提供多个输入的网络，但我如何在这个网络和DAG图之间连接?或者我如何使用双输入DAG ?

4评论
显示隐藏旧的评论

健 2020年3月29日

从2019b开始，你可以使用自定义训练循环，它允许你做多输入CNN。

https://jp.mathworks.com/matlabcentral/fileexchange/74760-image-classification-using-cnn-with-multi-input

这展示了一个使用两种输入图像对具有双路径序列层的图像进行分类的演示。

登录评论。

登录回答这个问题。

接受的答案

马哈茂德阿菲菲 2019年2月10日

5
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/369328-how-to-use-multiple-input-layers-in-dag-net-as-shown-in-the-figure#answer_360395

一种想法是向网络提供连接的输入(例如，image1;image2)，然后创建分割器层来分割每个输入。这里的问题是，您必须向网络提供.mat文件，而不是图像路径。另一个想法是将图像存储为tiff文件，它可以容纳4个通道。在这种情况下，您可以存储一个彩色图像(3通道)和一个灰度图像。看看这个例子 //www.tatmou.com/matlabcentral/fileexchange/65065-two-stream-cnn-for-gender-recognition-using-hand-images?s_tid=FX_rc1_behav ．．看到 twoStream。m文件。

5个评论
显示隐藏 4旧的评论

马哈茂德阿菲菲 2019年4月30日

编辑:马哈茂德阿菲菲 2019年4月30日

这里有一个例子

                                  假设你的输入有6个通道(即两个图像叠加在一起)
                                 
                                  通道= 6;
                                 
                                  inputSize = [224,224,channels];你想怎么改就怎么改
                                 
                                  lgraph = layerGraph;
                                 
                                  input_layer = imageInputLayer(inputSize，“名字”，“Input_Layer”）;
                                 
                                  lgraph = addLayers(lgraph,input_layer);
                                 
                                  为I = 1:通道
                                 
                                  eval (sprintf ('ch_%d_splitter = convolution2dLayer(1,1， " Name "， " channel_%d_splitter "， " WeightLearnRateFactor "，0， " BiasLearnRateFactor "，0， " WeightL2Factor "，0， " BiasL2Factor "，0);',我,我));
                                 
                                  eval (sprintf (“ch_ % d_splitter。权重= 0 (1,1,channels,1);',我));
                                 
                                  eval (sprintf ('ch_%d_splitter.Weights(1,1，%d,1) = 1;',我,我));
                                 
                                  eval (sprintf (“ch_ % d_splitter。偏差= 0 (1,1,1,1);',我));
                                 
                                  eval (sprintf ('lgraph = addLayers(lgraph,ch_%d_splitter);',我));
                                 
                                  eval (sprintf ('lgraph = connectLayers(lgraph， " Input_Layer "， " channel_%d_splitter ");',我));
                                 
                                  结束
                                 
                                  这里，让我们假设您想使用前三个层作为输入
                                 
                                  %第一个流，最后三个层作为第二个流的输入
                                 
                                  input_stream_1 = depthConcatenationLayer(3，“名字”，“input_stream_1”）;
                                 
                                  lgraph = addLayers(lgraph,input_stream_1);
                                 
                                  input_stream_2 = depthConcatenationLayer(3，“名字”，“input_stream_2”）;
                                 
                                  lgraph = addLayers(lgraph,input_stream_2);
                                 
                                  lgraph = connectLayers(“channel_1_splitter”，“input_stream_1 /三机一体”）;
                                 
                                  lgraph = connectLayers(“channel_2_splitter”，“input_stream_1 / in2”）;
                                 
                                  lgraph = connectLayers(“channel_3_splitter”，“input_stream_1 / in3”）;
                                 
                                  lgraph = connectLayers(“channel_4_splitter”，“input_stream_2 /三机一体”）;
                                 
                                  lgraph = connectLayers(“channel_5_splitter”，“input_stream_2 / in2”）;
                                 
                                  lgraph = connectLayers(“channel_6_splitter”，“input_stream_2 / in3”）;
                                 
                                  现在您可以继续构建双流网络。。第一个输入
                                 
                                  %将来自input_stream_1，第二个输入将来自
                                 
                                  % input_stream_2