使用KERAS中的2D内核执行1D卷积

Question

我当前正在使用CNN网络，我想在图像上应用2D内核，但是它只需要执行1D卷积，这意味着它只需要沿着移动一个轴（在这种情况下为x轴）。

内核的形状与图像的y轴相同。目前，应用的过滤器数量尚不关心。

一个例子：给定大小的图像（6,3,3）=（行，cols，color_channel）

给定2D滤波器我应该如何执行1D卷积？

尝试了@marcinMoëejko建议的内容

dim_x = 3
dim_y = 6
color_channels = 3
#model.add(ZeroPadding2D((6,4),input_shape=(6,3,3)))
model.add(Conv2D(filters = 32,kernel_size=(dim_y,1) , activation='linear' , input_shape = (6,3,3)))
print model.output_shape
model.add(Reshape((dim_x,color_channels)))

错误：

The total size of the new array must be unchanged

Answer 1

假设您的图像shape=(dim_x, dim_y, img_channels)可以通过设置获得1D卷积：

conv1d_on_image = Convolution2D(output_channels, 1, dim_y, border_mode='valid')(input)

请记住，该层的输出将具有形状(dim_x, 1, output_channels)。如果您希望输入是顺序的，则可以通过设置使用Reshape层：

conv1d_on_image = Reshape((dim_x, output_channels))(conv1d_on_image)

这将产生形状(dim_x, output_channels)。

一个有趣的事实是，这正是Conv1D在Keras中使用tf后端的方式。