我如何为 3d 卷积神经网络提供输入？
How I can give input to the 3d Convolutional Neural Network?
3d CNN 适用于视频、MRI 和扫描数据集。你能告诉我如果我必须将输入（视频）提供给建议的 3d CNN 网络，并训练它的权重，我该怎么做？作为 3d CNN 期望 5 维输入；
[batch size, channels, depth, height, weight]
如何从视频中提取深度？
如果我有 10 个不同的 10 个视频 类。每个视频的时长为 6 秒。我每秒提取 2 帧，每个视频大约 12 帧。
RGB 视频的大小为 112x112 --> 高度 = 112，宽度 = 112，通道数 = 3
如果我保持批量大小等于 2
1 个视频 --> 6 秒 --> 12 帧（1 秒 == 2 帧）[每帧 (3,112,112)]
10 个视频 (10 类) --> 60 秒 --> 120 帧
所以5个维度是这样的； [2, 3, 12, 112, 112]
2 --> 每个批量大小将处理两个视频。
3 --> RGB 通道
12 --> 每个视频包含 12 帧
112 --> 每个视频的高度
112 --> 每个视频的宽度
我说得对吗？
是的，如果您想使用 3D CNN，这似乎很有意义。您实际上是在为输入添加一个时间维度，因此使用 depth 维度是合乎逻辑的。这样你就可以将通道轴保持为特征通道（即不是时空维度）。
请记住，3D CNN 确实是内存密集型的。存在其他方法来处理时间相关输入。在这里，您实际上并没有处理第三个维度（即 'spatial' 维度），因此您 不需要 使用 3D CNN。
编辑：
If I give the input of the above dimension to the 3d CNN, will it learn both features (spatial and temporal)? [...] Can you make me understand, spatial and temporal features?
如果您使用 3D CNN，那么您的过滤器将具有 3D 内核，并且卷积将是三维的：沿两个空间维度（宽度和高度）以及深度维度（此处对应于时间维度）维度，因为您正在为视频帧序列使用深度维度。3D CNN 将允许您捕获局部（'local'，因为感知场受内核大小和总层数的限制CNN）时空信息。
3d CNN 适用于视频、MRI 和扫描数据集。你能告诉我如果我必须将输入（视频）提供给建议的 3d CNN 网络，并训练它的权重，我该怎么做？作为 3d CNN 期望 5 维输入；
[batch size, channels, depth, height, weight]
如何从视频中提取深度？
如果我有 10 个不同的 10 个视频 类。每个视频的时长为 6 秒。我每秒提取 2 帧，每个视频大约 12 帧。
RGB 视频的大小为 112x112 --> 高度 = 112，宽度 = 112，通道数 = 3
如果我保持批量大小等于 2
1 个视频 --> 6 秒 --> 12 帧（1 秒 == 2 帧）[每帧 (3,112,112)]
10 个视频 (10 类) --> 60 秒 --> 120 帧
所以5个维度是这样的； [2, 3, 12, 112, 112]
2 --> 每个批量大小将处理两个视频。
3 --> RGB 通道
12 --> 每个视频包含 12 帧
112 --> 每个视频的高度
112 --> 每个视频的宽度
我说得对吗？
是的，如果您想使用 3D CNN，这似乎很有意义。您实际上是在为输入添加一个时间维度，因此使用 depth 维度是合乎逻辑的。这样你就可以将通道轴保持为特征通道（即不是时空维度）。
请记住，3D CNN 确实是内存密集型的。存在其他方法来处理时间相关输入。在这里，您实际上并没有处理第三个维度（即 'spatial' 维度），因此您 不需要 使用 3D CNN。
编辑：
If I give the input of the above dimension to the 3d CNN, will it learn both features (spatial and temporal)? [...] Can you make me understand, spatial and temporal features?
如果您使用 3D CNN，那么您的过滤器将具有 3D 内核，并且卷积将是三维的：沿两个空间维度（宽度和高度）以及深度维度（此处对应于时间维度）维度，因为您正在为视频帧序列使用深度维度。3D CNN 将允许您捕获局部（'local'，因为感知场受内核大小和总层数的限制CNN）时空信息。