keras - 语义分割网络输出的最后一层 softmax

Question

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？

标签： keras