如何解决多峰神经网络:如何在特征融合中平衡特征长度?
我正在研究一个深度神经网络,该网络可处理不同的数据源(不同的模态,即音频,视频等)。该网络按顺序由三个“块”组成:
- 特征提取CNN
- RNN
- 完全连接(密集)
用单模态训练网络后,我想融合不同网络通过级联获得的功能,以多模态方式训练网络。例如,我要融合cnn处理的数据并提供rnn。
从不同模态中提取的特征具有不同的形状:
- 功能A:(150,32)
- 功能B:(150,256)
- 功能C:(150,64)
- 特征D:(150,32)
我认为将它们连接成(150,384)会导致特征向量过于不平衡...例如,我想获得(150,128 = 32x4)。
如何减少特征维数?我读到有关PCA的信息,但这对我来说是新的。子采样或插值可以解决吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。