J'ai une image avec 8 canaux. J'ai un algorithme conventionnel où des poids sont ajoutés à chacun de ces canaux pour obtenir une sortie comme '0' ou '1'.Cela fonctionne bien avec plusieurs échantillons et scénarios complexes. Je voudrais implémenter la même chose dans Machine Learning en utilisant la méthode CNN.Comment appliquer CNN pour des pondérations de données de pixels multicanaux à chaque canal?
Je suis nouveau à ML et a commencé à chercher les tutoriels qui semblent être exclusivement consacrées au traitement d'image problèmes-reconnaissance d'écriture à la main, extraction de caractéristiques, etc.
https://leonardoaraujosantos.gitbooks.io/artificial-inteligence/content/neural_networks.html
Je configurer les Keras avec Theano comme arrière-plan. Les échantillons de base de Keras fonctionnent sans problème.
Quelles étapes dois-je suivre pour obtenir le même résultat en utilisant CNN? Je ne comprends pas l'utilisation des filtres, des noyaux, de la foulée dans mon cas d'utilisation.Comment fournissons-nous des données de formation à Keras si les valeurs de canal de pixel et la sortie sont dans le formulaire ci-dessous?
Pixel # 1 f (C1, C2 ... C8) = 1
Pixel # 2 f (C1, C2 ... C8) = 1
Pixel # 3 f (C1, C2 ... C8) = 0.
.
Pixel # N f (C1, C2 ... C8) = 1