python - Keras:两个同时的层,其中一个对前一层的输出进行卷积
问题描述
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。
解决方案
我认为这就是你要找的:
https://keras.io/layers/local/
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。
推荐阅读
- unity3d - Unity editorTestsFilter 命令行参数不起作用
- git - VSCODE 的 Git 凭证问题
- google-maps - 如何在颤振小部件中添加 Google map_view?
- css - React,每个数组元素的 z-index
- javascript - 在单独的 axios 模板 js 文件中访问 vuex 状态
- bash - 如何在 bash 中获取给定目录的目录计数?
- javascript - 使用 jQuery 计算 2 个不同的选择自定义数据属性
- javascript - 是否可以使用 react-strap 构建渐进式 Web 应用程序?
- java - 在java中替换Apache速度中的标签
- ios - iOS 通知或控制中心显示事件