6
我有興趣將CNN應用於3D圖像（即醫療數據）。 TensorFlow是否已經包含了這個功能？卷積神經網絡和3D圖像
A
回答
3
不，目前的實現是針對2D圖像（像nn.conv2d這樣的函數）。它們支持多個通道（例如RGB），並且可以將3D圖像表示爲多通道2D圖像（每個z-切片都是通道），但這並不總是理想的。此外，對於使用這些方法，您需要大量的圖像數據，這在醫療領域通常很難實現。
更新：TensorFlow和Theano（隨後Keras，Lasagne等）現在都支持上述的3D操作。需要注意的是，3D操作比類似的2D操作更具計算能力和內存密集性。
0
如果你想使用CNN與3D圖像，可能的替代方案是使用Caffe PR。 您需要將數據轉換爲HDF5格式。
10
TensorFlow現在支持主分支中的3D convolution和3D pooling。
您可以將它們與5D張量一起用作形狀輸入：[batch_size, depth, height, width, channels]。
+0
3D轉置（解卷積）如何？ –
+1
幸運的是，有一個[拉請求]（https://github.com/tensorflow/tensorflow/pull/3049）的方式將增加支持。另見[this issue]（https://github.com/tensorflow/tensorflow/issues/2467） –
+0
哇，這是幸運的 –
1
相關問題
- 1. 卷積神經網絡
- 2. 卷積神經網絡不收斂
- 3. float16 VS FLOAT32卷積神經網絡
- 4. 卷積神經網絡配置
- 5. 卷積神經網絡 - 多通道
- 6. 運行訓練卷積神經網絡
- 7. 3D卷積神經網絡輸入形狀
- 8. 處理圖像將數據輸入到卷積神經網絡
- 9. 具有可變尺寸圖像的2D卷積神經網絡
- 10. 爲卷積神經網絡選擇訓練圖像
- 11. TensorFlow：具有非圖像輸入的卷積神經網絡
- 12. 使用卷積神經網絡的逐像素分類？
- 13. 卷積神經網絡中並行和順序卷積之間的區別
- 14. 卷積神經網絡 - 如何獲取特徵地圖？
- 15. SHOGUN Toolbox卷積神經網絡與Caffe和Theano相比如何？
- 16. 卷積神經網絡中權重和輸出的值
- 17. 神經網絡和圖像分類
- 18. 這是在普通卷積神經網絡中進行的基本卷積嗎？
- 19. 爲什麼卷積濾波器在卷積神經網絡中翻轉？
- 20. 爲什麼卷積神經網絡的輸入總是平方的圖像？
- 21. 從圖像中提取前景物體以運行卷積神經網絡
- 22. 建築使用卷積神經網絡的圖像搜索引擎
- 23. 使用Xbox Kinect在Keras中捕獲圖像訓練卷積神經網絡（CNN）
- 24. 用卷積神經網絡實現圖像分類的數據增強
- 25. 圖論和神經網絡
- 26. 非監督式的諾諾卷積神經網絡預訓練
- 27. Haar級聯方法vs卷積神經網絡？
- 28. 卷積神經網絡input_shape尺寸誤差（KERAS，PYTHON）
- 29. 訓練卷積神經網絡識別車號牌
- 30. Tensorflow中的卷積神經網絡預測
它是如何從conv2D有什麼不同？在我看來，Conv3D是批量+圖像，它創建了批+特徵圖。在conv2d中，我們有帶有頻道的圖像，這會創建kxWxH特徵地圖。 你有多少張圖片？那麼將會創建x個要素圖。 AM我錯了？ – Breeze
那麼conv2d是一個4維矩陣（圖像計數，通道數，x寬度，y寬度），conv3d操作是5維矩陣。 – kmader
是的，這是對的，我只是想如果手術是一樣的，說實話我失去了如何進行手術。當我們談論時間跨度時，這是什麼意思？我們如何爲時間維度邁進？我知道5幀，連續稱爲時間維度。 （圖像數量，深度，通道數量，x寬度，y寬度），這裏的深度爲5.表示有5個幀，例如200x200x3。 那麼在這方面步幅是如何理解的？ – Breeze