ResNet（二维图像）与全连接网络（一维输入）的连接

Question

我通过以下方式在 Keras (TensorFlow 2) 中使用预构建的 ResNet：

from tensorflow.keras.applications.resnet50 import ResNet50
base_model = ResNet50(weights=None, include_top=False, input_shape=(39,39,3))
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dropout(0.5)(x)
output_tensor = Dense(self.num_classes, activation='softmax')(x)
cnn_model = Model(inputs=base_model.input, outputs=output_tensor)
opt = Adam(lr=0.001)
cnn_model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy', tf.keras.metrics.AUC()])

模型 (base_model.input) 的输入是 39 x 39 x 3 图像。此外，我现在还想为模型提供一个包含附加信息的 20 维向量（即 20 x 1）。我可以通过两种不同的方式做到这一点：

在 GlobalAveragePooling2D 步骤之后附加 20 维向量。
为 20 维向量创建一个额外的全连接网络，并在 GlobalAveragePooling2D 步骤后将这个全连接网络的输出连接到上面的 ResNet。理想情况下，两个网络同时接受训练，但我不知道这是否可能。

我可以为这两个选项调整我的模型吗？还是不行？

Answer 1

是的，这两个选项都有意义，并且可以通过 Keras 实现。对于 #2，您可以定义另一个模型，该模型将 20D 向量作为输入并将其传递给一个完全连接的层，然后将该输出与池化层的输出连接起来。对于这两个选项，您必须调整最终模型输入以包括 base_model 输入和 20D 矢量。

Answer 2

应该这样做，注释掉 Dense Layer 以在全局平均池化之后将它们连接起来。

from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.layers import GlobalAveragePooling2D, Dropout, Dense
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.models import Model
import tensorflow as tf


base_model = ResNet50(weights=None, include_top=False, input_shape=(39, 39, 3))
x1 = base_model.output
x1 = GlobalAveragePooling2D()(x1)
x1 = Dropout(0.5)(x1)

input_2 = tf.keras.layers.Input(shape=(20, 1))
x2 = tf.keras.layers.Flatten()(input_2)
# comment this if needed.
x2 = tf.keras.layers.Dense(16, activation='relu')(x2)

x = tf.keras.layers.Concatenate()([x1, x2])

output_tensor = Dense(self.num_classes, activation='softmax')(x)
cnn_model = Model(inputs=[base_model.input, input_2], outputs=output_tensor)
opt = Adam(lr=0.001)
cnn_model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy', tf.keras.metrics.AUC()])
print(cnn_model.summary())

ResNet（二维图像）与全连接网络（一维输入）的连接

Concatenation of ResNet (2D images) with fully-connected network (1D input)

python

keras

keras-layer

tf.keras

resnet