Keras 中的卷积二维连体网络

Question

我正在尝试将 Keras 的 Siamese 层与共享的 Convolution2D 层结合使用。我不需要输入在 Siamese 层之前通过任何其他层，但 Siamese 层需要指定输入层。我不知道如何创建输入层来匹配转换层的输入。我能找到的 Siamese 层的唯一具体示例是在 tests 中，其中 Dense 层（带有矢量输入）用作输入。基本上，我想要一个输入层，它允许我将图像尺寸指定为输入，以便它们可以传递到共享转换层。

在代码中我有如下内容：

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')

SomeInputLayer 应该是什么？还是我的方法大体上不正确？

Answer 1

好的，我明白了。 "abstract" Layer class 基本上是一个传递层，这正是我所需要的。我也犯了一个错误，我认为 Siamese 可以采用整个模型（即多层），但实际上它只需要一个层。为了减轻创建这些 Siamese 层的痛苦，有一个 add_shared_layer 辅助函数。

我还应该指出这个 pull request 允许共享层到模型中的第一层，这正是我想要做的。

Keras 中的卷积二维连体网络

Convolutional2D Siamese Network in Keras

deep-learning

conv-neural-network

keras