Я пытаюсь реализовать модель, состоящую из двух слоев, чтобы сегментировать объекты-кандидаты в керасах. Итак, в основном эта модель имеет следующую архитектуру
Изображение (канал, ширина, высота) -> несколько слоев свертки и объединения -> вывод (карты объектов 'n', высота и ширина)
Теперь этот единственный выход используется двумя слоями: 1) свертка (1 * 1) -> плотный слой с m единицами (output = n * 1 * 1) -> классификатор пикселей, использующий полностью связанные слои размерности h * w -> преобразование в (H, N) -> вывод
2) свертка -> maxpooling-> плотный слой -> оценка
Функция стоимости использует выходные данные обоих этих уровней, которые являются суммой двоичной логистической регрессии каждого выхода.
Теперь у меня есть два вопроса: 1) как реализовать плотное соединение через свернутый вывод в слое 1 для создания классификатора пикселей h * w, как упомянуто выше 2) Как объединить два слоя для вычисления единой функции стоимости, а затем обучить оба слоя вместе, используя обратное распространение
Может ли кто-нибудь сказать мне, как создать модель для вышеупомянутой сетевой архитектуры. Я новичок в глубоком обучении, поэтому, если есть что-то, что я неправильно понял, я буду признателен, если кто-нибудь сможет объяснить мне ошибки в моем понимании Спасибо
