keras - 语义分割网络输出的最后一层 softmax
问题描述
如果某些事实是错误的,请纠正我。
我知道对于语义分割网络,我们需要有一个输出形状(批量大小、类数、高度、宽度),其中通道i(我使用的是通道优先)对应于每个类别i的掩码像素是像素属于第i类的概率。
但是,我知道为了计算这些概率,我们需要在最终的 conv/transpose conv 层的最终输出上使用 softmax。这个 softmax 需要使用其他通道中相同空间位置的其他像素为每个像素单独完成。这意味着对于位于(x,y)位置且具有n 个类别的像素,我们需要对来自n 个输出特征图的所有(x,y)值的向量应用 softmax 。
我的问题是,如何在 keras 中计算这个独特的 softmax?是否会将softmax的轴更改为特征图的轴?还是我需要置换我的输出?
解决方案
推荐阅读
- android - 自动化 Android 应用程序,如 puppeteer 自动化 Web 应用程序
- python - Python 中 ggplot 的 geom_bar() 将所有条形显示为具有统一的高度
- php - Laravel 集合 - 与 whereHas 等价的 belongsToMany 关系中的条件
- ruby-on-rails - webpacker 未捕获错误:模块构建失败/找不到模块“babel-plugin-syntax-dynamic-import”
- javascript - 将自定义参数添加到绑定到 VueJS 中组件的函数调用
- python - 为什么使用 qcut 后我的数据值被“NaN”替换了?
- python - Stripe Connect 与 Django 的集成
- flutter - 使用 dart 中的按钮更改布尔状态
- html - 如何为表单创建一个真实的数据库?
- java - Java Keccak-256 在零字节消息上实现不正确的哈希