4D Faltungsnetzwerk

Weiß jemand, ob es eine Verallgemeinerung des Faltungsnetzwerks gibt, das eher mit 4D-Eingangstensoren als mit 3D arbeitet? Nach meinem Verständnis akzeptieren Faltungsnetzwerkfilter im Allgemeinen eine bestimmte Spanne von x-, y-Koordinaten pro Filter und die gesamte Tiefe dieser Spanne. Ich habe eine zusätzliche Dimension, die innerhalb der Filter erforderlich sein müsste, damit die Eingabe einen Sinn ergibt.

Ist es möglich, dafür ein traditionelles Faltungsnetzwerk zu verwenden, oder gibt es eine Abstraktion, die für n-dimensionale Daten funktioniert?

neural-networks conv-neural-network

— Dobafresh
quelle

Ich habe noch keine Artikel gesehen, in denen mehrdimensionale Faltungen direkt erwähnt werden, aber die Implementierung ist möglicherweise trivial - je nachdem, welches Softwarepaket Sie verwenden. Ich verwende, wann immer möglich, T-SQL, in dem man leicht eine beliebige Anzahl von Dimensionen modellieren und einige einfache GROUP BY-Klauseln usw. verwenden kann, um Ebenen mit beliebiger Größe auszuwählen, zu aktualisieren und in ein neuronales Netz einzufügen. Die Erweiterung auf 4D und höhere Dimensionen ist dort wirklich kein Problem. Ich kann nicht kommentieren, was in Paketen wie R oder Matlab oder neueren Versionen von Weka verfügbar ist, aber ich vermute, dass es schwieriger wäre, diese zu implementieren.

— SQLServerSteve

Tensorflow definiert die Faltung in N Dimensionen und die transponierte RELU-Schicht ist dimensionsunabhängig. Das einzige Problem, das Sie haben werden, sind die Pooling-Schichten, die Sie selbst implementieren müssen (Sie können sie später an die Beiträge senden). Ich denke, Ihr Problem ist mit TF perfekt zu lösen

— Pablo Arnau González
quelle