神经网络的输入类型是否重要？

Question

这绝对是一个新手问题。 caffe中的视频分类任务。

我有一个神经网络，我必须训练视频（图像组）。 我可以选择从几个选项中更改网络输入的形状。

在所有情况下，我都假设网络架构（排列和层数）和学习参数（LR /衰减/正则化/等）是恒定的。

例如，我可以选择将我的输入作为以下之一提供给网络。

1）batch_size x（no_of_imgs * no_of_channels）x height x width {3 dimension input}

2）batch_size x no_of_imgs x no_of_channels x height x width {4 dimension input}

3）batch_size x no_of_channels x no_of_imgs x height x width {4 dimension input}

输入形状如何影响网络的准确性？

Answer 1

我肯定建议你选择第二次设置。在这种情况下，您可以利用不同的空间和光谱属性以及图像的不变性，这些可能有助于您在使用卷积体系结构时更好地学习。在第一次设置中 - 大部分空间和光谱信息都会丢失。第三点 - 稍微少一些，但仍然会丢失一些光谱信息，这可能会损害您的学习过程。