conv-neural-network - 在Keras实现暹罗NN

因此，我正在尝试实现有关暹罗神经网络的this论文:Sumit Chopra，Raia Hadsell和Yann LeCun(2005)区别对待地学习相似性度量，并将其应用于面部验证。我使用的是CIFAR10 dataset，但有10个类。

为方便起见，复制了其中一只脚的规范。表示法:C_x是卷积层，S_x是二次采样层，F_x是完全连接层；具有共享索引x:

C1:功能图:15，内核大小=(7，7)

S2:功能图:15，视野=(2，2)

C3:功能图:45，内核大小=(6，6)

S4:功能图:45，视野=(4，3)

C5:功能图:250，内核大小=(5，5)

F6(全连接层):否。的单位= 50

我尝试过的内容

model = Sequential()

#C1
model.add(Convolution2D(15, 7, 7,
activation='relu',
border_mode='same',
input_shape=input_img_shape))
print("C1 shape: ", model.output_shape)

#S2
model.add(MaxPooling2D((2,2), border_mode='same'))
print("S2 shape: ", model.output_shape)
#...

#C5
model.add(Convolution2D(250, 5, 5,
activation='relu',
border_mode='same'))
print("C5 shape: ", model.output_shape)

#F6
model.add(Dense(50))

这会抛出一个很长的错误消息，我认为这是一个重塑错误。错误摘要:

Exception: Input 0 is incompatible with layer dense_13: expected
ndim=2, found ndim=4

我知道问题被隔离在最后的Dense层中，因为如果我注释掉，代码可以顺利进行。但是我不确定究竟应该如何成形/指定最终的完全连接层，使其与先前的卷积层兼容？

我看过的一些地方

This是一个相关的问题，尽管实现略有不同(在撰写本文时，似乎在keras中没有“暹罗”核心层)。我知道还有implementations in Theano，如果我不能在keras中做到这一点，我会牢记这一点。

谢谢!

最佳答案

如Matias Valdenegro所述，Keras已经有了Siamese network的示例。但是，该示例仅使用密集层。

您的问题是您需要在卷积层和密集层之间添加Flatten层以具有正确的形状，请参见this Keras CNN example

这两个示例应该可以帮助您构建暹罗网络。

关于conv-neural-network - 在Keras实现暹罗NN，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38584268/