我有一个分类任务，试图根据文档图像来判断一个“申请”是否通过。我不是在对单张图像进行分类，而是一个申请可以有一张或多张文档。数据看起来像这样：

 Application_1          (PASS)     - document1.jpg     - document2.png Application_2          (PASS)     - document1.jpg Application_3          (FAIL)     - document1.jpg     - document2.jpg     - document3.jpg     - document4.jpg

每个申请都根据文档内容有通过/未通过的标签，例如，护照本身可能通过，执照加推荐信可能通过，但仅凭执照可能不会通过。

我已经基于文档的文本建立了一个分类器，但图像内容也很重要。是否可以训练一个CNN，使其输入为任意数量的图像，而不仅仅是一张？

回答：

当然可以。一种方法是简单地将图像文件拼接成一个文件。另一种方法是调整输入层以接受所有四张文件。你需要配置你的CNN拓扑结构，以处理输入层提供的各种数据形状。

从概念上讲，这与编写一个CNN的摄入层来处理不同大小的单张图像没有什么不同。