在处理高光谱图像时，3D-CNN 输入的第 5 维应该是多少？答案

【问题标题】：What should be the 5th dimension for the input to 3D-CNN while working with hyper-spectral images?在处理高光谱图像时，3D-CNN 输入的第 5 维应该是多少？
【发布时间】：2018-11-05 18:14:16
【问题描述】：

我有一个尺寸为S * S * L 的高光谱图像，其中S*S 是空间大小，L 表示光谱带的数量。

现在我的 X（图像数组）的形状是：(1, 145, 145, 200) 其中 1 是示例数，145 是图像的长度和宽度，200 是没有。图像的通道数。

我想将此图像的这个小窗口（具有像 W * W * L;W (batch, length, width, depth, channels)。

在我看来，我缺少一个空间维度，如何将图像数组转换为 5 维数组而不丢失任何信息？

我在上面使用 python 和 Keras。

【问题讨论】：

标签： python keras conv-neural-network

【解决方案1】：

如果你想沿着你的通道维度进行卷积，你应该在通道的位置添加一个单一维度。如果您不想沿通道维度进行卷积，则应使用 2D CNN。

【讨论】：

添加一个单一维度是否意味着将其重塑为(1, 145, 145, 200,1)。
是的，或者你可以使用tf.expand_dims(X, axis=4)。

【解决方案2】：

您需要的是 2D CNN，而不是 3D。 2D CNN 已经支持多个通道，因此将它与高光谱图像一起使用应该没有问题。

【讨论】：

不，实际上我正在尝试实现一篇研究论文，所以我特别希望使用 3D CNN 来完成这项工作，因为根据论文，它具有一些优势。因此，我想实现建议的方法，看看它是如何工作的！我已经按照您的建议使用 2D CNN 完成了一次。
@gopalkrizna 究竟是什么论文？可能是这篇论文提到了 3D 卷积，但实际上和 Keras 的 2D 卷积是一样的。