python - Keras：两个同时的层，其中一个对前一层的输出进行卷积

我正在尝试实现此类模型的连接性：

输入图像 1 -> 卷积层 1

输入图像 2 -> 层，其中输入的每个像素只连接一个权重，即 1:1 对应 -> 卷积层 2

之后，这两层将遵循标准 CNN 的结构，但我很难同时实现两个层，其中一个层只是简单地接受输入并学习处理每个单独像素的程度，而不看邻居。

第二个输入图像应该遵循类似的内容：

我知道这不是标准的，但有没有办法在 Keras（或 Tensorflow）中实现这一点？

任何指导将不胜感激。

标签： pythonpython-3.xtensorflowmachine-learningkeras

我认为这就是你要找的：

基本上：

LocallyConnected1D 层的工作方式与 Conv1D 层类似，不同之处在于权重是不共享的，即在输入的每个不同块上应用一组不同的过滤器。

在这种情况下，您希望使用内核大小为 (1,1) 的这一层来仅将一个权重值分配给图像的一个像素。