将keras预训练模型扩展到具有附加通道或频带的图像

我只是希望澄清一些关于之前的帖子的信息,该帖子讨论了如何将像vgg或inceptionv3这样的keras预训练模型扩展到不同大小的图像。我的问题是我有一些8波段的卫星图像所以图像可能是 650x650x8 而不是通常的rbg 3波段图像。我想知道我是否可以用一个Keras预先训练的模型来处理8个波段而不是3个波段的图像。

现在有一个原始的帖子和处理类似的事情。参考贴子是关于应用keras vgg预先训练的模型到不同大小的图像。所以VGG接受了训练 224x224x3 用户希望使用此模型来对比 160x320x3 是的。

原帖如下: Change input tensor shape for VGG16 application

这是原帖的代码:

from keras.models import Model
from keras.layers import Dense,Flatten
from keras.applications import vgg16
from keras import backend as K

model = vgg16.VGG16(weights='imagenet', include_top=False, input_shape=(160,320,3))
model.summary(line_length=150)

flatten = Flatten()
new_layer2 = Dense(10, activation='softmax', name='my_dense_2')

inp2 = model.input
out2 = new_layer2(flatten(model.output))

model2 = Model(inp2, out2)
model2.summary(line_length=150)

所以如果我要用类似的东西来代替第六行:

model = vgg16.VGG16(weights='imagenet', include_top=False, input_shape=(650,650,8))

这是可行的,还是预先训练的模型不接受频道的增加,因为它会接受图像高度或宽度的变化?

此外,我将不得不进行额外的培训模型与额外的渠道。但是我不清楚预先训练的模型是如何实现这个扩展的。添加的节点的权重是设置为0还是某种初始值设定项确定的权重?我想知道我需要做多少额外的训练。

谢谢你的建议。