python - 有没有办法定义依赖于内容的 CNN/Keras 接受域

Question

背景：

我有一个回归问题的二维输入数据，它不是图像，但可以用 10x10 矩阵表示。我知道预测相关的特征只能出现在某些矩阵单元中，这取决于矩阵本身的值。因此，例如，我不想使用 5x5 子集作为 Conv 层的感受野，而是想定义一个过滤器，利用该知识并以不同的方式为感受野使用不同的形状。

标准的方形感受野假设相关特征出现在距所考虑像素最多 X 行/列的像素/单元中。因此，为了过滤单元格 (3,3) 周围的特征，选择了这个子集：

在我的应用程序中，我知道 (3,3) 周围的相关特征出现在行 [列] 中的单元格中，在列 [行] 3 中具有值 1，即重要的接受域是：

结果子集是：

即，我首先查找在 (.,3) 处具有 1 的行，然后查找在 (3,.) 处具有 1 的列，并将它们组合成一个新矩阵。为简单起见，假设这总是给我 5x5 矩阵。

选择这个子集的代码很简单：

from numpy import array
Tfull = array([ [1, 0, 0, 1, 0, 1, 0, 1, 0, 1],
                [0, 1, 0, 1, 0 ,0, 1, 0, 0, 0],
                [1, 0, 0, 0, 0, 1, 0, 0, 1, 1],
                [1, 0, 0, 0, 0, 0, 0, 0, 0, 1],
                [0, 1, 1, 1, 1, 1, 1, 0, 0, 0],
                [0, 0, 0, 0, 0, 0, 0, 1, 1 ,0],
                [0, 1, 1, 1, 0, 1, 0, 1, 0, 1],
                [1, 0, 0, 1, 0, 1, 0, 0, 0, 0],
                [0, 1, 1, 0, 1, 0, 1, 0, 0, 1],
                [0, 0, 1, 1, 0, 1, 0, 1, 1, 0]])
Trf = Tfull[[j for j in range(0,10) if Tfull[j,2]==1 or j==2]][...,[i for i in range(0,10) if Tfull[2,i]==1 or i==2]]

我需要什么：

我想在 Keras 中定义一个层（例如，按照这个解释），它的行为类似于标准的 Conv 层，但不是对每个可能的 5x5 子集应用相同的过滤器，它应该对每个选择的子集应用相同的过滤器上面的规则：

class MyLayer(Layer):
    def __init__(self, output_dim, **kwargs):
        ...
    def build(self, input_shape):
        # Create a trainable weight variable for this layer.
        self.kernel = self.add_weight(name='kernel', 
                                  shape=(input_shape[1], self.output_dim),
                                  initializer='uniform',
                                  trainable=True)
        super(MyLayer, self).build(input_shape)  # Be sure to call this at the end
    def call(self, x):
        ...
    def compute_output_shape(self, input_shape):
        ...

（从上面的链接复制的代码）

如何合并我对感受野的定义，以拥有一个使用此内容相关感受野而不是输入数据的 NxN 子集的 Conv 层？

标签： pythonkerasconv-neural-network