Я заинтересован в применении CNN к 3D-изображениям (то есть к медицинским данным). Включает ли TensorFlow эту функцию?Сверточные нейронные сети и 3D-изображения
ответ
Нет, текущие реализации выполняются для 2D-изображений (таких как nn.conv2d). Они поддерживают несколько каналов (например, RGB), и можно выразить 3D-изображения как многоканальное 2D-изображение (каждый z-срез является каналом), но это не всегда идеально. Кроме того, для использования таких подходов вам требуется значительное количество данных изображения, которые обычно трудно найти в медицинской области.
Обновление: как TensorFlow, так и Theano (впоследствии Keras, Lasagne и т. Д.) Теперь поддерживают 3D-операции, как указано выше. Важно отметить, что 3D-операции намного более вычислительны и интенсивны в памяти, чем аналогичная 2D-операция.
Если вы хотите использовать CNN с 3D-изображениями, то возможно использовать этот Caffe PR. Вам нужно будет преобразовать ваши данные в формат HDF5.
TensorFlow теперь поддерживает 3D convolution и 3D pooling в главной ветке.
Вы можете использовать их с тензорами 5D в качестве входных данных с формой: [batch_size, depth, height, width, channels]
.
Что относительно 3D транспонирования (deconvolution)? –
К счастью, вы [тянут запрос] (https://github.com/tensorflow/tensorflow/pull/3049), который добавит поддержку для этого. См. Также [этот вопрос] (https://github.com/tensorflow/tensorflow/issues/2467) –
wow, которому повезло –
Реализация TensorFlow для 3D сверточных нейронных сетей были предоставлены следующие проекты с открытым кодом:
Lip Reading - Cross Audio-Visual Recognition using 3D Convolutional Neural Networks
Using 3D Convolutional Neural Networks for Speaker Verification
- 1. Сверточные нейронные сети - несколько каналов
- 2. Имеют ли сверточные нейронные сети исчезающий градиент?
- 3. Сверточные нейронные сети, матрица сверточного (ядра)
- 4. Udacity Deep Learning Сверточные нейронные сети - TensorFlow
- 5. Сверточные нейронные сети с Caffe и НЕГАТИВНЫМИ или ЛОЖНЫМИ ИЗОБРАЖЕНИЯМИ
- 6. Имеет ли сверточные нейронные сети способности локализации на изображения?
- 7. Сверточные нейронные сети: сколько пикселей будет покрываться каждым из фильтров?
- 8. Нейронные сети
- 9. Нейронные сети и обратное распространение
- 10. Нейронные сети и функция XOR
- 11. нейронные сети предобработки
- 12. Нейронные сети - обратное распространение
- 13. Предпосылки нормальности нейронные сети
- 14. SOM - нейронные сети
- 15. Нейронные сети для рубинов
- 16. Python: Глубокие нейронные сети
- 17. Многоэлементные нейронные сети
- 18. Сверторные нейронные сети
- 19. нейронные сети в MATLAB
- 20. Нейронные сети для генерации?
- 21. Нейронные сети в NeuronDotNet
- 22. cs231n Свернутые нейронные сети
- 23. Многоэтапное прогнозирование Нейронные сети
- 24. Tensorflow - повторяющиеся нейронные сети
- 25. Свертывающие нейронные сети?
- 26. Нейронные сети RBF
- 27. Нейронные сети узнать ограничения
- 28. нейронные сети слепой угадывание
- 29. Как реализовать сверточные нейронные сети с экспоненциальными затухающими скоростями обучения в Keras или Theano
- 30. Как используются сверточные сети в AlphaGo?
Как это не отличается от conv2D? Мне кажется, что Conv3D представляет собой пакетный + образ, который создает пакетные + featuremaps. в conv2d, у нас есть изображение с каналами, которое создает kxWxH карты функций. у вас есть x количество изображений? то х число цветных изображений будет разбито. AM Я не прав? – Breeze
Хорошо conv2d - это 4-мерная матрица (количество изображений, количество каналов, ширина x, ширина y). Операция conv3d является 5-мерной матрицей. – kmader
Да, правильно, я просто хочу, чтобы операция была такой же, если честно, я теряюсь, как операция выполняется. когда мы говорим о временном шаге, что это значит? как мы делаем шаги для временного измерения? Я знаю 5 кадров, в строке называется временным измерением. (количество изображений, глубина, количество каналов, ширина x, ширина y), где глубина здесь будет равна 5. означает, что имеется 5 кадров, например, 200x200x3. , так как в этом отношении имеет смысл двигаться? – Breeze