如何为 CNN 训练准备通道图像？答案

【问题标题】：How to prepare channel images for CNN training?如何为 CNN 训练准备通道图像？
【发布时间】：2020-04-22 10:19:24
【问题描述】：

我正在训练一个用于细胞分割的六通道图像，该图像是独立的。下面描绘的六幅图像相同，但通道不同。

我应该如何安排阵列以输入到我的网络？用 numpy.dstack 将它们全部放在数组中？还是直接在图层中？我知道我们也应该注意过滤器的数量和大小，它会被视为 RGB 图像，但我是深度学习和计算机视觉的新手，这个问题困扰着我。

我使用 Python 进行图像编辑（PIL 和 OpenCV），使用 TensorFlow 和 Keras 进行图像处理。

在单元格周围裁剪后的图像形状为每个通道的数组中的每个 30x30。

【问题讨论】：

对于使用 keras 进行训练，您不能拥有超过 4 个通道 (rgba) 的图像，因此您需要正确自定义数据生成器并使用数组数组而不是图像。搜索自定义数据生成器，您会找到方法。

【解决方案1】：

我的建议是

与大多数深度学习问题一样，答案是尝试一下。使用 np.dstack 使输入的形状为 (batch_size, 30, 30, 6) 并训练模型。我假设您将使用Conv2D，因此频道组合应该无关紧要。

但是，如果您打算使用迁移学习 (pretrained_models)，您可能需要放弃通道或 sum 将它们组合在一起以形成 (batch_size, 30, 30, 3)，因为大多数模型都需要 3 个通道

【讨论】：

【解决方案2】：

如果您计划使用迁移学习，则默认图像大小应为 (224, 224)，如 Keras 文档 here 中所述。可以使用“channels_first”数据格式（通道、高度、宽度）或“channels_last”数据格式（高度、宽度、通道）来构建模型的输入。

【讨论】：