堆叠卷积网络和递归层

Question

我正在为视频序列分类。 它应该在输入和输出标签上取几个视频帧，标签为0或1。因此，这是一个多对一网络。

我已经有一个单帧分类器。 该分类器使用Conv2D进行了多次卷积，然后应用GlobalAveragePooling2D 。 这将产生长度为64的一维矢量。然后，原始的每帧分类器具有带有softmax激活的Dence层。

现在，我想扩展此分类器以使用序列。 理想情况下，序列的长度应该不同，但现在我将长度固定为4。

为了扩展我的分类器，我将用1个单位的LSTM层替换Dense 。 因此，我的目标是让LSTM层一个接一个地读取长度为64的几个一维向量，并输出一个标签。

从原理上讲，我现在所拥有的：

input(99, 99, 3) - [convolutions] - features(1, 64) - [Dense] - [softmax] - label(1, 2)

所需架构：

4x { input(99, 99, 3) - [convolutions] - features(1, 64) } - [LSTM] - label(1, 2)

我不知道如何用Keras做到这一点。

这是我的卷积代码

from keras.layers import Conv2D, BatchNormalization, GlobalAveragePooling2D, \
LSTM, TimeDistributed

IMAGE_WIDTH=99
IMAGE_HEIGHT=99
IMAGE_CHANNELS=3

convolutional_layers = Sequential([
    Conv2D(input_shape=(IMAGE_WIDTH, IMAGE_HEIGHT, IMAGE_CHANNELS),
           filters=6, kernel_size=(3, 3), strides=(2, 2), activation='relu',
           name='conv1'),
    BatchNormalization(),
    Conv2D(filters=64, kernel_size=(1, 1), strides=(1, 1), activation='relu',
           name='conv5_pixel'),
    BatchNormalization(),
    GlobalAveragePooling2D(name='avg_pool6'),
])

这是摘要：

In [24]: convolutional_layers.summary()
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
conv1 (Conv2D)               (None, 49, 49, 6)         168
_________________________________________________________________
batch_normalization_3 (Batch (None, 49, 49, 6)         24
_________________________________________________________________
conv5_pixel (Conv2D)         (None, 49, 49, 64)        448
_________________________________________________________________
batch_normalization_4 (Batch (None, 49, 49, 64)        256
_________________________________________________________________
avg_pool6 (GlobalAveragePool (None, 64)                0
=================================================================
Total params: 896
Trainable params: 756
Non-trainable params: 140

现在，我需要一个循环层来处理这些64维向量的序列，并为每个序列输出一个标签。

我已经阅读了手册， TimeDistributed层将其输入层应用于输入数据的每个时间片。

我继续我的代码：

FRAME_NUMBER = 4

td = TimeDistributed(convolutional_layers, input_shape=(FRAME_NUMBER, 64))
model = Sequential([
    td,
    LSTM(units=1)
])

结果是异常IndexError: list index out of range

同样的例外

td = TimeDistributed(convolutional_layers, input_shape=(None, FRAME_NUMBER, 64))

我究竟做错了什么？

Answer 1

将评论扩展为答案； TimeDistributed层将给定层应用于输入的每个时间步 。 因此，您的TimeDistributed将应用于提供输入shape=(F_NUM, W, H, C)每一帧。 将卷积应用于每张图像后，您将获得(F_NUM, 64) ，这是每帧的特征。