如何使用 Keras Conv3D 为 3D 数据实现简单的 CNN答案

【问题标题】：How to implement a simple CNN for 3D data using Keras Conv3D如何使用 Keras Conv3D 为 3D 数据实现简单的 CNN
【发布时间】：2018-05-27 16:33:48
【问题描述】：

我正在尝试实现一个具有医学成像功能的 3D 卷积神经网络，该网络由 10 个 64x64 形状的连续图像切片组成。它们是灰度图像。因此我的输入尺寸是 64 x 64 x 10 我的第一层是

model = Sequential()
model.add(Conv3D(32, kernel_size=(3,3,3), strides=(1, 1, 1), input_shape=(64, 64, 10)))
model.add(Activation('relu'))
model.add(MaxPooling3D(pool_size=(2, 2, 2)))

使用此代码我得到错误

Input 0 is incompatible with layer conv3d_1: expected ndim=5, found ndim=4

因此我将输入重新调整为

model = Sequential()
model.add(Conv3D(32, kernel_size=(3,3,3), strides=(1, 1, 1), input_shape=(64, 64, 10, 1)))
model.add(Activation('relu'))
model.add(MaxPooling3D(pool_size=(2, 2, 2)))

现在我得到了错误

ValueError: ('Input data in `NumpyArrayIterator` should have rank 4. You passed an array with shape', (128, 64, 64, 10, 1))

我试图在 Keras 代码中覆盖它，但这会导致更多错误，我很确定可以输入大量切片 - 我只是看不出问题出在哪里。

【问题讨论】：

您能否编辑您的问题，显示您如何初始化 numpy 数组，以及您传递给模型编译和拟合函数的内容。
您在哪里收到此错误？
在我看来，您在某处以 128 的批大小对数据进行了批处理，我会说您的输入形状应该看起来像 (1, 64,64,10) 而不是 (64,64,10, 1），而不是一个，尝试批处理它，因为它看起来像是在你的代码中的某个地方，你批处理了一些数组。需要看更多才能弄清楚。

标签： image keras convolution

【解决方案1】：

这是我这几天头疼的问题。

发生的事情是 Keras 自动将图像中的通道数设置为深度，并使用它来设置最终的过滤器大小。您应该使用 Conv2D 代替，因为您有 3-dim 图像（您可以将其理解为 RGB 图像）。

正如我所说，Keras 自动将深度固定为通道数。因此，如果您使用 Conv2D 将过滤器尺寸固定为 (5x5)，它实际上将是 (5x5xnºchannels)。

替换：

model.add(Conv3D(32, kernel_size=(3,3,3), strides=(1, 1, 1), input_shape=(64, 64, 10)))

收件人：

model.add(Conv2D(32, kernel_size=(3,3), strides=(1, 1), input_shape=(64, 64, 10)))

您可以在这张图片中看到真正发生的事情： KerasConv2D

如果您想组合不同的频道，您必须使用 Keras 创建不同的塔（接收不同的频道），然后将它们放在一起。

您还可以在this link 中看到正在发生的事情。

【讨论】：

【解决方案2】：

Conv3D 的 Input_shape 有 4 个维度（时间序列、宽度、高度、通道）

在你的情况下：

input_shape = (10, 64, 64, 1)

【讨论】：