如何将灰度图的一通道变换为三通道[迁移学习]

最新推荐文章于 2024-05-13 01:56:09 发布

LBJgs

最新推荐文章于 2024-05-13 01:56:09 发布

阅读量3.7k

点赞数 8

分类专栏：预处理 CWRU 文章标签：深度学习

本文链接：https://blog.csdn.net/weixin_45988401/article/details/115770394

版权

博客作者通过研究解决了一维时序信号无法直接输入到VGG16等经典模型的问题。他们提出了一种预处理方法，将一维数据转换为三通道灰度图格式，以匹配模型要求的（224，224，3）输入。具体实现中，作者使用numpy进行数据重塑和通道变换，将每个样本复制成三通道并拼接，以适应卷积神经网络的输入需求。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看到这个问题的读者请点赞，真的思考了很久时间

1. 前提

一直想应用做迁移学习实验，但VGG16等经典模型的输入通道皆为三通道RGB格式，此处我记得要求是（224，224，3）。而我之前做实验所用数据为一维时序信号，有时转换为灰度图形式输入到卷积神经网络中，二者都是不可以的。

2. 过程
在知网上找了该篇文章
在这里插入图片描述
文章在数据预处理的地方介绍了一种思想

转换的具体流程为

根据该作者的思想，我实现了上述方法，代码如下：

3. 实现过程

import copy
import numpy as np
a = list(range(24))
a = np.array(a)
a = a.reshape(2,3,4)

bs = list()
for i in range(2):
    c = []
# b = a[0,:,:] #取第一个数组
    b_auto = a[i,:,:]
    b_1 = copy.deepcopy(b_auto)
    b_2 = copy.deepcopy(b_auto)</