Keras的Convolutional2D Siamese网络

我试图将Keras的Siamese图层与共享的Convolution2D图层一起使用。我不需要输入在Siamese图层前通过任何其他图层，但Siamese图层需要指定输入图层。我无法弄清楚如何创建输入图层来匹配conv层的输入。我能找到的Siamese图层的唯一具体示例是tests，其中Dense图层（具有矢量输入）用作输入。基本上，我想要一个输入图层，允许我将图像尺寸指定为输入，以便它们可以传递到共享的conv层。Keras的Convolutional2D Siamese网络

在代码中，我有类似如下：

img_rows = 28 
img_cols = 28 
img_input_shape = (1, img_rows, img_cols) 

shared = Sequential() 

shared.add(Convolution2D(nb_filters, nb_conv, nb_conv, 
         border_mode='valid', 
         input_shape=img_input_shape)) 
shared.add(Activation('relu')) 
# .... more layers, etc. 

right_input_layer = SomeInputLayer(input_shape=img_input_shape) # what should SomeInputLayer be? 
left_input_layer = SomeInputLayer(input_shape=img_input_shape) 
siamese = Siamese(shared, [left_input_layer, right_input_layer], merge_mode='concat') 

model = Sequential() 
model.add(siamese) 
# ... 
model.compile(loss=contrastive_loss, optimizer='rmsprop')

我应该SomeInputLayer是什么？或者是我的一般说法不正确？

来源

2016-02-05 Ben Mabey

好的，我想通了。 “抽象”类基本上是一个穿透层，这正是我所需要的。我还犯了一个错误，我认为Siamese可以采用整个模型（即多个图层），但实际上只采用单一图层。为了使这些连体层的创建变得不那么痛苦，有一个帮助函数add_shared_layer。

我也应该指出这个pull request，这将允许共享层到模型的第一层，正是我想要做的。

来源

2016-02-05 17:04:16

我认为'Graph' API在处理连体网络时更直接。我已经添加了这样一个网络Keras的例子[这里]（https://github.com/fchollet/keras/blob/52f48e1f462090db19b03ae11dce2991487f70c9/examples/mnist_siamese_graph.py）。 –

谢谢@MikaelRousson！ Graph API似乎更适合于此。我刚刚实现了你添加到Keras中的MNIST示例（但是带有一个conv网络），我同意图形版本更好。 –

@MikaelRousson有没有一种简单的方法来用三元组来扩展你的代码？在这种情况下，在add_node部分需要2个输出（2个成对距离） – entropiece

Keras的Convolutional2D Siamese网络

回答

相关问题