1D CNN、2D CNN 和 3D CNN 输入形状的区别

Question

我是第一次构建用于图像分类的 CNN 模型，我对每种类型（1D CNN、2D CNN、3D CNN）的输入形状以及如何修复有点困惑卷积层中过滤器的数量。我的数据是 100x100x30，其中 30 个是特征。这是我使用 Functional API Keras 的 1D CNN 论文：

def create_CNN1D_model(pool_type='max',conv_activation='relu'):
    input_layer = (30,1)
    conv_layer1 = Conv1D(filters=16, kernel_size=3, activation=conv_activation)(input_layer)
    max_pooling_layer1 = MaxPooling1D(pool_size=2)(conv_layer1)

    conv_layer2 = Conv1D(filters=32, kernel_size=3, activation=conv_activation)(max_pooling_layer1)
    max_pooling_layer2 = MaxPooling1D(pool_size=2)(conv_layer2)

    flatten_layer = Flatten()(max_pooling_layer2)
    dense_layer = Dense(units=64, activation='relu')(flatten_layer)

    output_layer = Dense(units=10, activation='softmax')(dense_layer)
    CNN_model = Model(inputs=input_layer, outputs=output_layer)
    return CNN_model
CNN1D = create_CNN1D_model()
CNN1D.compile(loss = 'categorical_crossentropy', optimizer = "adam",metrics = ['accuracy'])
Trace = CNN1D.fit(X, y, epochs=50, batch_size=100)

但是，在通过仅将 Conv1D、Maxpooling1D 更改为 Conv2D 和 Maxpooling2D 来尝试 2D CNN 模型时，出现以下错误：

ValueError: Input 0 of layer conv2d_1 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: (None, 30, 1)

谁能告诉我 2D CNN 和 3D CNN 的输入形状如何？输入数据预处理可以做什么？

Answer 1

对于 100x100x30 的输入形状，你是说批量大小是 100？或者每个数据的形状都是 100x100x30？在第二种情况下，您必须改用 Conv2D 图层。每层的输入形状应该是：

Conv1D: (size1, channel_number), Conv2D: (size1, size2, channel_number), Conv3D: (size1, size2, size3, channel_number)

1DCNN、2DCNN、3DCNN分别表示卷积层每个kernel和channel的维度

Answer 2

TLDR； 您的 X_train 可以看作（批处理、空间暗淡...、通道）。内核并行应用于所有通道的空间维度。因此，二维 CNN 需要两个空间维度 (batch, dim 1, dim 2, channels).

因此对于 (100,100,3) 形状的图像，您将需要一个 2D CNN，它在所有 3 个通道上卷积超过 100 的高度和 100 的宽度。

让我们理解上面的说法。

首先，您需要了解 CNN（通常）在做什么。

A kernel is convolving through the spatial dimensions of a tensor across its feature maps/channels while performing a simple matrix operation (like dot product) to the corresponding values.

内核在空间维度上移动

现在，假设您有 100 张图像（称为批次）。每幅图像为 28 x 28 像素，具有 3 个通道 R、G、B（在 CNN 的上下文中也称为 特征图 ）。如果我将此数据存储为张量，则形状将为 (100,28,28,3).

但是，我可以只拥有一个没有任何高度的图像（可能像一个信号），或者，我可以拥有具有额外空间维度的数据，例如视频（高度、宽度和时间） .

一般来说，基于 CNN 的神经网络的输入是这样的。

相同内核，所有通道

您需要知道的第二个关键点是，二维内核将在 2 个空间维度上进行卷积，但同一个内核将在所有特征上执行此操作 maps/channels。所以，如果我有一个 (3,3) 内核。这个相同的内核将应用于 R、G、B 通道（并行）并移动到图像的 Height 和 Width。

运算是点积

最后，操作（对于单个特征 map/channel 和单个卷积 window）可以像下面这样可视化。

因此，简而言之-

内核应用于数据的空间维度
核形状等于空间维度的#
内核一次应用所有功能maps/channels
运算是内核与window

让我们以具有单一特征的张量为例 maps/channels（因此，对于图像，它会被灰度化）-

So, with that intuition, we see that if I want to use a 1D CNN, your data must have 1 spatial dimension, which means each sample needs to be 2D (spatial dimension and channels), which means the X_train must be a 3D tensor (batch, spatial dimensions, channels).

Similarly, for a 2D CNN, you would have 2 spatial dimensions (H, W for example) and would be 3D samples (H, W, Channels) and X_train would be (Samples, H, W, Channels)

让我们用代码试试这个 -

import tensorflow as tf
from tensorflow.keras import layers

X_2D = tf.random.normal((100,7,3))   #Samples, width/time, channels (feature maps)
X_3D = tf.random.normal((100,5,7,3)) #Samples, height, width, channels (feature maps)
X_4D = tf.random.normal((100,6,6,2,3))   #Samples, height, width, time, channels (feature maps)

用于应用 1D CNN -

#With padding = same, the edge pixels are padded to not skip a few

#Out featuremaps = 10, kernel (3,)
cnn1d = layers.Conv1D(10, 3, padding='same')(X_2D) 
print(X_2D.shape,'->',cnn1d.shape)

#(100, 7, 3) -> (100, 7, 10)

用于应用 2D CNN -

#Out featuremaps = 10, kernel (3,3)
cnn2d = layers.Conv2D(10, (3,3), padding='same')(X_3D) 
print(X_3D.shape,'->',cnn2d.shape)

#(100, 5, 7, 3) -> (100, 5, 7, 10)

对于 3D CNN -

#Out featuremaps = 10, kernel (3,3)
cnn3d = layers.Conv3D(10, (3,3,2), padding='same')(X_4D) 
print(X_4D.shape,'->',cnn3d.shape)

#(100, 6, 6, 2, 3) -> (100, 6, 6, 2, 10)

1D CNN、2D CNN 和 3D CNN 输入形状的区别

Difference between the input shape for a 1D CNN, 2D CNN and 3D CNN

convolution

conv-neural-network

keras

max-pooling

functional-api

内核在空间维度上移动

相同内核，所有通道

运算是点积