在keras中使用2d内核执行1d卷积
Performing 1d convolution using 2d kernel in keras
我目前正在研究 CNN 网络，其中我想在图像上应用 2d 内核，但它只需要执行 1d 卷积，这意味着它只需要沿一个轴（x 轴）移动在这种情况下）。
内核的形状与图像的y轴相同。目前应用的过滤器数量不是问题。
一个例子：
给定大小为 (6,3,3) = (rows, cols, color_channel)
的图像
我应该如何执行给定 2d 滤波器的 1d 卷积？
尝试了@Marcin Możejko 的建议
dim_x = 3
dim_y = 6
color_channels = 3
#model.add(ZeroPadding2D((6,4),input_shape=(6,3,3)))
model.add(Conv2D(filters = 32,kernel_size=(dim_y,1) , activation='linear' , input_shape = (6,3,3)))
print model.output_shape
model.add(Reshape((dim_x,color_channels)))
错误：
The total size of the new array must be unchanged
假设您的图像 shape=(dim_x, dim_y, img_channels) 您可以通过设置获得 1D 卷积：
conv1d_on_image = Convolution2D(output_channels, 1, dim_y, border_mode='valid')(input)
请记住，该层的输出形状为 (dim_x, 1, output_channels)。如果你希望你的输入是连续的，你可以通过设置使用 Reshape 层：
conv1d_on_image = Reshape((dim_x, output_channels))(conv1d_on_image)
这将产生形状为 (dim_x, output_channels) 的输出。
一个有趣的事实是，这正是 Conv1D 在具有 tf 后端的 Keras 中的工作方式。
我目前正在研究 CNN 网络，其中我想在图像上应用 2d 内核，但它只需要执行 1d 卷积，这意味着它只需要沿一个轴（x 轴）移动在这种情况下）。
内核的形状与图像的y轴相同。目前应用的过滤器数量不是问题。
一个例子： 给定大小为 (6,3,3) = (rows, cols, color_channel)
的图像我应该如何执行给定 2d 滤波器的 1d 卷积？
尝试了@Marcin Możejko 的建议
dim_x = 3
dim_y = 6
color_channels = 3
#model.add(ZeroPadding2D((6,4),input_shape=(6,3,3)))
model.add(Conv2D(filters = 32,kernel_size=(dim_y,1) , activation='linear' , input_shape = (6,3,3)))
print model.output_shape
model.add(Reshape((dim_x,color_channels)))
错误：
The total size of the new array must be unchanged
假设您的图像 shape=(dim_x, dim_y, img_channels) 您可以通过设置获得 1D 卷积：
conv1d_on_image = Convolution2D(output_channels, 1, dim_y, border_mode='valid')(input)
请记住，该层的输出形状为 (dim_x, 1, output_channels)。如果你希望你的输入是连续的，你可以通过设置使用 Reshape 层：
conv1d_on_image = Reshape((dim_x, output_channels))(conv1d_on_image)
这将产生形状为 (dim_x, output_channels) 的输出。
一个有趣的事实是，这正是 Conv1D 在具有 tf 后端的 Keras 中的工作方式。