如何在Keras中将Conv3D输出连接到MaxPooling2D？

Question

我正在使用Keras来实施CNN。人们经常使用Conv2D来完成分类任务。但是，我想获得两个图像之间的关系，然后我决定尝试Conv3D。但是，我无法管理Conv3D的尺寸输出并匹配以下图层。

更具体地说，我想在（480,640,2）和输出（480,640,1）张量的两个堆叠图像上应用（5,5,2）滤镜。

原始Conv2D代码:(正常工作）

model = Sequential()
model.add(Conv2D(32, (3, 3), padding='same',input_shape=(480, 640, 2)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
...

Conv3D代码:(不知道如何连接Conv3D和MaxPooling2D）

model.add(Conv3D(32, 2, input_shape=(480, 640, 2, 1), data_format="channels_last"))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))


model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
...

Answer 1

堆叠两个图像（记得按照你正在使用的后端堆叠，theano为channels_first，张量流为channels_last）并将{2}作为Conv2D中的通道数

或者，如果每张图片都有多个频道，请再次叠加它们并将频道总数传递给Conv2D。