python - Tensorflow：每个图像数据具有单个像素的 U-net 回归

Question

看来 TensorFlow 可以有效地与 Google Earth Engine 集成，以使用 U-net 回归预测连续响应（此处的示例）。

在此示例中，响应（“地面数据”）是从卫星图像中采样的，其中每个像素都与一个值相关联。

实际上，地面数据通常由收集响应的单个地理标记点组成（例如，跨越某个区域的 100 个 30x30m 点的裸地覆盖百分比）。在 U-net 模型中，这意味着包含一个值的单个像素，被响应的未知像素包围。预测值将是这些像素处的波段值，例如来自 Landsat 合成图像的值。

问题

您将如何处理 TensorFlow U-net 回归响应中的这些未知像素？是否像添加一个遮罩层告诉模型像素未知一样简单？如果是这样，您将如何实际实施？

标签： pythontensorflowmachine-learningkeras